跳到主要内容
面试之前，先来面栈
搜索
真实面经
/
美团
美团
22
篇面经
·
248
道面试题
收藏公司
官方招聘
↗
开始复习
→
面经
22
面试题
248
知识分类
知识分类
模型基础与推理
RAG 与知识系统
Agent 原理与系统
AI 应用工程与治理
模型训练与对齐
软件工程基础
算法与编程题
项目与综合面试
知识分类
知识专题
知识专题
安全、权限与人工介入
安全与认证
并发与异步编程
操作系统与 Linux
测试工程与质量保障
查询理解与改写
动态规划、贪心与回溯
多 Agent 编排与协作
多模态与生成模型
分布式训练与计算硬件
个人介绍与教育经历
工具调用与 Function Calling
工作流、状态与执行恢复
规划、推理与任务执行
混合检索与重排序
机器学习与推荐系统
记忆系统
技术决策与业务理解
开发工具与工程实践
可观测性、稳定性与故障诊断
客户端与移动端
链表、栈与队列
逻辑推理与开放估算
模型服务、部署与交付
模型架构与表示
模型选型与能力边界
能力成长与学习方法
排序、查找与 Top-K
偏好对齐
评测体系与实验设计
前端与 Web
强化学习与奖励
求职动机、职业选择与安排
容器、云原生与工程交付
上下文工程
生成质量与幻觉治理
树、图与遍历
数据、效果与项目价值
数据工程与数据处理
数据库与 SQL
数组、字符串与哈希
算法复杂度与数据结构基础
推理优化与模型压缩
推理与解码
网络与浏览器
文档解析与清洗
文档切分与元数据
系统架构与业务设计
向量数据库与索引
项目背景、架构与职责
项目难点、复盘与改进
消息队列与实时通信
性能、时延与成本
训练框架、调参与排障
训练数据构建与治理
预训练、续训与 SFT
召回策略与检索
Agent 基础与运行循环
Agent 框架与 Harness
Agent 应用架构与场景设计
AI Coding 与研发流程
C/C++、Go 与编译
Embedding 与向量表示
Java、Spring 与 JVM
MCP、A2A 与工具协议
Prompt 与结构化输出
RAG 架构与生成链路
RAG 评测与故障排查
Redis 与缓存
Skills 能力系统
Transformer 与注意力
知识专题
知识专题
找到
71
个专题
知识专题
✓
安全、权限与人工介入
✓
安全与认证
✓
并发与异步编程
✓
操作系统与 Linux
✓
测试工程与质量保障
✓
查询理解与改写
✓
动态规划、贪心与回溯
✓
多 Agent 编排与协作
✓
多模态与生成模型
✓
分布式训练与计算硬件
✓
个人介绍与教育经历
✓
工具调用与 Function Calling
✓
工作流、状态与执行恢复
✓
规划、推理与任务执行
✓
混合检索与重排序
✓
机器学习与推荐系统
✓
记忆系统
✓
技术决策与业务理解
✓
开发工具与工程实践
✓
可观测性、稳定性与故障诊断
✓
客户端与移动端
✓
链表、栈与队列
✓
逻辑推理与开放估算
✓
模型服务、部署与交付
✓
模型架构与表示
✓
模型选型与能力边界
✓
能力成长与学习方法
✓
排序、查找与 Top-K
✓
偏好对齐
✓
评测体系与实验设计
✓
前端与 Web
✓
强化学习与奖励
✓
求职动机、职业选择与安排
✓
容器、云原生与工程交付
✓
上下文工程
✓
生成质量与幻觉治理
✓
树、图与遍历
✓
数据、效果与项目价值
✓
数据工程与数据处理
✓
数据库与 SQL
✓
数组、字符串与哈希
✓
算法复杂度与数据结构基础
✓
推理优化与模型压缩
✓
推理与解码
✓
网络与浏览器
✓
文档解析与清洗
✓
文档切分与元数据
✓
系统架构与业务设计
✓
向量数据库与索引
✓
项目背景、架构与职责
✓
项目难点、复盘与改进
✓
消息队列与实时通信
✓
性能、时延与成本
✓
训练框架、调参与排障
✓
训练数据构建与治理
✓
预训练、续训与 SFT
✓
召回策略与检索
✓
Agent 基础与运行循环
✓
Agent 框架与 Harness
✓
Agent 应用架构与场景设计
✓
AI Coding 与研发流程
✓
C/C++、Go 与编译
✓
Embedding 与向量表示
✓
Java、Spring 与 JVM
✓
MCP、A2A 与工具协议
✓
Prompt 与结构化输出
✓
RAG 架构与生成链路
✓
RAG 评测与故障排查
✓
Redis 与缓存
✓
Skills 能力系统
✓
Transformer 与注意力
✓
未找到匹配专题
问题类型
问题类型
比较选型
代码题
方案设计
概念解释
故障排查
经历介绍
开放讨论
系统设计
项目深挖
效果评估
行为面
原理机制
问题类型
技术难度
技术难度
基础
进阶
深入
技术难度
复习状态
复习状态
未标记
待复习
已掌握
复习状态
已筛选
清除筛选
共
248
道题
开始复习 →
排序：
排序
相关面经最多
题集收录最多
题号顺序
最新更新
题号
题目
技术难度
收录情况
复习状态
2676
Memory 与 RAG 有什么区别，各适合什么场景？
Agent 原理与系统
记忆系统
比较选型
已有答案
面前必看
基础
1
篇面经
Memory 与 RAG 有什么区别，各适合什么场景？的复习状态
未标记
待复习
已掌握
›
2677
大模型推理中各层 Tensor 的维度如何变化？
模型基础与推理
模型架构与表示
原理机制
已有答案
面前必看
进阶
1
篇面经
大模型推理中各层 Tensor 的维度如何变化？的复习状态
未标记
待复习
已掌握
›
2678
如何估算并优化 7B 模型 GRPO 训练的显存开销？
模型训练与对齐
分布式训练与计算硬件
方案设计
已有答案
面前必看
深入
1
篇面经
如何估算并优化 7B 模型 GRPO 训练的显存开销？的复习状态
未标记
待复习
已掌握
›
2679
K-Means 等聚类方法如何工作，能否保证全局最优？
模型基础与推理
机器学习与推荐系统
原理机制
已有答案
面前必看
进阶
1
篇面经
K-Means 等聚类方法如何工作，能否保证全局最优？的复习状态
未标记
待复习
已掌握
›
2681
多场景训练数据应如何混合并确定采样配比？
模型训练与对齐
训练数据构建与治理
方案设计
已有答案
面前必看
进阶
1
篇面经
多场景训练数据应如何混合并确定采样配比？的复习状态
未标记
待复习
已掌握
›
2682
SFT 中如何平衡简单任务和复杂任务的训练权重？
模型训练与对齐
预训练、续训与 SFT
方案设计
已有答案
面前必看
进阶
1
篇面经
SFT 中如何平衡简单任务和复杂任务的训练权重？的复习状态
未标记
待复习
已掌握
›
2683
微调时如何判断并缓解过拟合？
模型训练与对齐
训练框架、调参与排障
故障排查
已有答案
面前必看
进阶
1
篇面经
微调时如何判断并缓解过拟合？的复习状态
未标记
待复习
已掌握
›
2684
SFT 常用的损失函数是什么，如何选择和计算？
模型训练与对齐
训练框架、调参与排障
原理机制
已有答案
面前必看
进阶
1
篇面经
SFT 常用的损失函数是什么，如何选择和计算？的复习状态
未标记
待复习
已掌握
›
2685
开启或关闭 Thinking 对 SFT 训练有什么影响？
模型训练与对齐
预训练、续训与 SFT
比较选型
已有答案
面前必看
进阶
1
篇面经
开启或关闭 Thinking 对 SFT 训练有什么影响？的复习状态
未标记
待复习
已掌握
›
2686
字段提取任务的奖励函数应如何设计？
模型训练与对齐
强化学习与奖励
方案设计
已有答案
面前必看
进阶
1
篇面经
字段提取任务的奖励函数应如何设计？的复习状态
未标记
待复习
已掌握
›
2676
Memory 与 RAG 有什么区别，各适合什么场景？
Agent 原理与系统
记忆系统
比较选型
已有答案
面前必看
基础
1
篇面经
Memory 与 RAG 有什么区别，各适合什么场景？的复习状态
未标记
待复习
已掌握
›
未找到相关题目
换个关键词，或清除筛选。
清除筛选
共
248
道题 · 显示 181–190 道
上一页
1
…
18
19
20
…
25
19 / 25
下一页
启用 JavaScript 后可筛选和浏览完整题库；当前显示前 10 道题。