职位题库

算法工程师面试题库

面向算法工程师相关面试,围绕强化学习、排序、贪心、算法、模拟等主题展开练习,结合题目考察点、回答思路、参考答案和常见误区,梳理知识要点并练习清晰表达。

93 道题目建议用时 279 分钟专项面试练习

全部题目 93 道题

73

你项目中用了Agentic RAG,请说明具体方案、为什么采用它,以及用了哪些框架。

考察候选人对Agentic RAG的架构理解、方案选型能力和工程落地细节,而非只背概念。
74

你的项目最终选择PPO还是DPO?两者有什么区别,什么情况下该选哪一个?

考察候选人对偏好优化算法的原理理解与工程选型能力,能否结合数据、算力和稳定性做决策。
75

请解释你项目中的样本动态加权和梯度解耦缩放具体怎么做,以及为什么这样设计。

考察候选人能否把训练技巧讲成可复现的机制,并说明设计动机与潜在副作用。
76

请说明多卡部署使用的框架、精度问题、OOM处理方式,以及vLLM的推理流程。

考察候选人对大模型推理部署的工程掌握程度,包括并行策略、精度管理和显存问题排查。
77

请做一个自我介绍,并说明你的技术背景与算法工程岗位的匹配点。

考察候选人的表达条理性、对自身经历的提炼能力,以及是否理解岗位方向与自身背景的关联。
78

讲一个实习期间有意思的工作,说明背景、你的方案和最终效果。

考察候选人能否结构化描述真实项目,区分个人贡献与团队成果,并体现技术判断力。
79

给定一段C++代码,请找出其中的错误并说明原因。

考察C++基本功,包括指针/引用、内存管理、边界条件和常见未定义行为。
80

实现最短路算法并输出具体路径,而不只是最短距离。

考察图论基础、算法选择与路径还原的实现细节,以及边界情况处理。
81

你的简历方向与这个岗位不完全匹配,你怎么看?为什么选择投递?

考察候选人对岗位的理解、转方向的动机是否真实,以及在压力问题下的表达稳定性。
82

请现场计算卷积输出尺寸,并说明感受野怎么算;两层3×3卷积和一层5×5卷积,感受野谁大、参数量差多少?

考察候选人对CNN基础结构的定量理解,能否不依赖工具手算关键参数,以及能否比较不同卷积组合在感受野与参数量上的权衡。
83

BN在训练和推理时分别做什么?dropout训练时为什么要除以keep_prob,推理时为什么不除?

考察对训练与推理行为差异的理解,尤其是滑动统计量、期望一致性等容易被工具封装掩盖的细节。
84

mAP具体怎么算,AP和mAP是什么关系?交叉熵和Focal Loss的区别是什么,样本极度不均衡你怎么处理?

考察评价指标的推导级理解与损失函数设计动机,判断候选人是否只会看工具输出而缺乏原理掌握。
返回面试题库