面试题库 › 算法 / 大模型
算法 / 大模型面试题(1344 道,附答案要点)
RAG 与 Agent(215 题)
- Agent、MCP 与 Skills107 场
- RAG 的流程与理解90 场
- Agent 的概念与它和 LLM 的区别78 场
- Agent 记忆系统的设计61 场
- LangChain 与 LangGraph 的缺点33 场
- Agent 执行失败或超时的处理27 场
- 单 Agent 还是多 Agent 的设计取舍20 场
- 向量检索的原理19 场
- Agent 系统的架构与核心模块17 场
- 常见的 Agent 框架16 场
- Workflow 与 Agent 的区别及选型16 场
- RAG 中 Chunk 大小怎么确定15 场
- ReAct 架构介绍15 场
- ReAct 与 Plan-and-Execute 的区别14 场
- Claude Code 的工作原理14 场
- RAG 存在的问题与改进方案13 场
- 如何构建 Agent 的上下文工程12 场
- Prompt 有哪些常见的优化方法12 场
- RAG 混合检索与重排的价值12 场
- Agent 系统怎么评估:指标与方法12 场
- RAG 全链路:切分、Embedding、检索与重排11 场
- Multi-Agent 协作模式与编排方式11 场
- Function Calling 的原理与执行流程10 场
- 如何从零设计生产级 Agent 系统10 场
- Agent 的 Token 消耗暴涨,怎么定位和优化9 场
- 对话上下文超限的处理策略9 场
- 如何防止 Agent 死循环和重复调用工具9 场
- Prompt Injection 的原理与防御8 场
- 如何控制 Agent 的 Token 消耗和调用成本8 场
- LangChain 和 LangGraph 的区别与适用场景8 场
- 智能客服 Agent 如何从 0 到 1 设计8 场
- 提示工程:System Prompt、Few-shot、CoT 与温度7 场
- 如何防止 Agent 泄露敏感信息7 场
- Agent Loop 的基本架构与原理7 场
- RAG 中 Embedding 模型如何选择与常见坑7 场
- RAG 为什么需要 Rerank 及如何选型7 场
- 多 Agent 之间有哪些通信方式和协议7 场
- 线上 Agent Bad Case 如何定位与修复7 场
- 向量索引 IVF 与 HNSW 原理与选型6 场
- Agent 沙箱的作用与实现方式6 场
- RAG 系统的评测维度与指标6 场
- 如何减少工具调用的参数幻觉和误调用6 场
- 企业知识库问答系统的整体设计6 场
- 工具返回结果过大或格式不一时的处理6 场
- RAG 如何控制幻觉、保证忠实度6 场
- 知识库的文档解析、切分与索引6 场
- Prompt、RAG、微调、Workflow、Agent 怎么选6 场
- Agent Harness 是什么6 场
- 工具太多导致提示词膨胀怎么优化5 场
- AI Coding 的使用方法与提效技巧5 场
- Agent 的 Self-Reflection 反思机制5 场
- 行程规划类 Agent 的工具编排设计5 场
- 多路召回的设计与结果融合5 场
- Agent 可观测性:日志、Trace 与监控5 场
- 如何设计 Agent 工具库与工具描述5 场
- Spec 驱动开发(SDD)与 Vibe Coding 的区别5 场
- RAG 如何保证召回结果和库存一致4 场
- RAG 和微调怎么选4 场
- Agent 调用工具时怎么做权限控制4 场
- Prompt、Context、Harness 工程的区别4 场
- Agent 多工具调用与调度的挑战和设计4 场
- Agent 框架与平台如何选型4 场
- LangChain 的核心组件与架构4 场
- 数据分析/NL2SQL Agent 的整体设计4 场
- LangGraph 的状态、节点与边如何设计4 场
- RAG 知识库如何不停服更新并保证一致4 场
- Agent Skill 的设计与渐进式披露4 场
- Agent 流式输出与流式工具调用设计4 场
- MCP 的作用及与 Function Call、A2A 的区别4 场
- Embedding 模型的选型依据与优化经验4 场
- Multi-Agent 落地挑战与冲突治理4 场
- 如何理解 Agent Harness 与 Spec Coding4 场
- 高合规场景下 Agent 防越权的工程方案4 场
- 谈谈你对 RAG、MCP 和 Agent 的理解以及三者的关系4 场
- Function Calling、MCP 与 A2A 有什么区别?4 场
- Agent任务如何拆分?拆分粒度和多Agent职责如何划分?4 场
- 如何理解 GraphRAG4 场
- 如何编写和设计高质量的 Skill4 场
- 如何评估 Agent 是否真的完成了任务3 场
- 向量数据库选型要考虑哪些因素3 场
- Agent 系统怎么保障数据安全与隐私3 场
- Claude Code、Cursor、Trae 等 AI 编程工具对比3 场
- RAG 回答的引用溯源与证据链3 场
- 向量索引 HNSW 与 IVF_FLAT 的原理、参数与选型3 场
- 如何提升 RAG 检索准确率与业务意图匹配度3 场
- RAG 文档切分导致语义断裂怎么处理3 场
- 工具数量过多时如何做路由和选择3 场
- Agent 响应延迟高的工程侧与基座侧优化3 场
- Agent 长期记忆的淘汰、剪枝与更新3 场
- 一次 Agent 请求从输入到回答的完整链路3 场
- 大模型应用上线前关注哪些指标3 场
- 复杂任务如何拆分和分配给多个 Agent3 场
- 什么是上下文工程,如何设计上下文管理3 场
- 主流 Agent 产品与架构对比3 场
- RAG 检索不准如何排查与优化3 场
- Agent 工具调用参数幻觉与格式错误的防护3 场
- 长耗时 Agent 任务的取消、重试与并发冲突处理3 场
- Tool、Skill、Workflow 与 Agent 的职责划分3 场
- Agent 长短期记忆的底层实现3 场
- Spring AI 框架的核心组件与工程用法3 场
- 什么业务用大模型,什么业务用小模型3 场
- Agent 服务的并发处理、状态管理与线程池拆分3 场
- Agent 技术发展现状、落地场景及与 RPA 的关系3 场
- RAG 召回正确但最终答案不准的排查与优化3 场
- 如何规范使用 AI 编程工具并控制风险3 场
- RAG 检索评估指标 Recall、MRR 等的计算3 场
- Agent 的 Checkpoint、Trace 回放与中断恢复3 场
- 代码智能 Agent 的工作模式与差异2 场
- Spring AI 与 Spring AI Alibaba 的区别2 场
- 什么场景适合用 Agent,什么场景不适合2 场
- 长上下文时代,RAG 会被取代吗2 场
- 后端与大模型的关系,大模型应用开发流程有何不同2 场
- Prompt 工程师考察什么能力,在 Agent 开发中扮演什么角色2 场
- 当前 Agent 技术的主要瓶颈2 场
- LangChain 与 LlamaIndex 的对比与选型2 场
- 只用 LLM API,怎么搭建一套 Agent 应用2 场
- Agent 系统的安全风险,以及沙箱怎么设计2 场
- RAG 知识库的文档版本管理2 场
- RAG 检索内容如何拼进 Prompt 并减少干扰2 场
- ReAct 循环的失败模式与工程补强2 场
- 思维树 ToT 与思维图 GoT 的原理和应用2 场
- RAG 原理及与模糊搜索、传统检索的区别2 场
- Agent 工具调用的安全控制与 MCP 危险工具限制2 场
- Agentic RAG 与传统一次检索 RAG 的区别2 场
- 向量化前为什么要对长文档切片2 场
- HyDE 假设文档检索的原理与效果评估2 场
- 游戏中的 LLM 应用与智能 NPC 设计2 场
- Embedding 与向量数据库的关系及工作流程2 场
- Agent 与 Prompt 的版本管理、测试和灰度发布2 场
- 自研 Agent 还是使用现成框架和工具2 场
- 如何看待 Skills 及其与子 Agent 的区别2 场
- LLM 调用超时、熔断与兜底机制设计2 场
- Multi-Agent 的成本与延迟控制2 场
- Claude Code 中 Skill 何时加载进上下文2 场
- Harness 工程等 Agent 工程新概念的理解2 场
- 工作流 checkpoint 的存储字段与会话分支设计2 场
- 通过 SFT 与强化学习提升工具调用能力2 场
- 亿级用户 AI 对话系统的服务拆分与架构2 场
- Query 改写的方法以及如何用无标注日志训练2 场
- 设计以AI NPC为核心的游戏玩法2 场
- AI动态难度调整的应用场景与实现2 场
- AI如何为开放世界生成可玩的动态内容2 场
- 提示词调优的经验与方法2 场
- 一个人同时运行多个Agent会有哪些问题2 场
- RAG 中常用的检索方法有哪些2 场
- 大模型输出不符合预期时如何排查与兜底2 场
- Prompt 回归测试与 Agent 测试框架设计2 场
- 多 Agent 与异步任务场景下如何防止上下文污染2 场
- 多租户 Agent 的隔离维度与方案设计2 场
- RAG 中的多维度 Query 改写与召回形式2 场
- Agent 多轮工具调用的延迟优化与排查2 场
- 多模型网关的统一抽象、路由、降级与隔离2 场
- Agent 线上故障怎么排查与定位1 场
- 如何把不友好的文档内容转为对模型友好的格式1 场
- Function Calling 的设计要点与失败兜底1 场
- 为什么 Planning 是 Agent 的关键能力及其瓶颈1 场
- Agent 中 Reflection 反思机制的作用与应用场景1 场
- 多轮对话的核心挑战:上下文增长与话题切换1 场
- Text2SQL Agent 如何防注入并处理边界问题1 场
- 大小模型结合解决推理延时的方式1 场
- 高敏感操作的 Human-in-the-loop 设计1 场
- 微调检索模型时为什么要加指令1 场
- 基于大模型和长上下文设计 Deep Search1 场
- 换新模型是否需要重写提示词1 场
- RL 训练的 Agent 与 Prompt Agent 的区别1 场
- RAG 中静态知识库与动态网页检索的选择1 场
- 如何让 Agent 自我学习和沉淀经验1 场
- LLM 应用的 Prompt 版本管理与 A/B 测试1 场
- Function Calling 与 Code-as-Action 的取舍1 场
- Agent 如何处理图片和语音等多模态输入1 场
- Agent 长 Prompt 的动态组装1 场
- 纯 ReAct 方案除工具调用不稳定外的问题1 场
- 多模态文档解析的流程1 场
- Agent 开发与传统前后端开发的最大区别1 场
- Reranker 的常见方法1 场
- 开源模型(Qwen、DeepSeek 等)能否做好 Agent1 场
- Agent 的可解释性与决策透明1 场
- Agent + RAG 是否会成为标配1 场
- RAG 检索指标 Recall@K 的定义与计算1 场
- 让大模型稳定输出结构化格式:Pydantic 与提示工程1 场
- 语义路由的实现与效果评估1 场
- Function Calling 与 ReAct 的选择1 场
- 如何理解 Agent 自进化1 场
- MCP、Skill、Tool 与 RAG 的区别与适用场景1 场
- Prompt 设计的方法与原则1 场
- 工具调用结果的缓存策略设计1 场
- 为何区分系统提示、用户消息与工具结果1 场
- 如何把会议录音转成结构化任务1 场
- 前端如何降低 AI 输出不确定性的负面体验1 场
- RAG 的分类方式与典型变体1 场
- 视频理解、审核与摘要 Agent 的设计1 场
- 为什么用 Agent,而不用固定 Workflow1 场
- Claude Agent SDK 是什么,有哪些核心能力1 场
- 设计电商 AI 导购助手1 场
- 谈谈你对未来Agent发展方向的看法1 场
- 接手命中率低且偶发幻觉的 AI 客服如何迭代1 场
- 从0到1规划智能客服最小可行系统的模块与优先级1 场
- 用 Coze 两三周验证客服 Agent MVP 的范围与门槛1 场
- 客服对话的上线前评测与上线后回归体系设计1 场
- 如何让 AI 从客服对话中自动生成工单1 场
- 客服系统的转人工策略、坐席辅助与事后学习设计1 场
- RAG中知识库无内容但模型答对了怎么办1 场
- 如何用AI开发一个健身教练助手1 场
- 对 MiniMax Agent 的理解与优化建议1 场
- 多Agent系统是否等同于集成的插件1 场
- 万级长文档如何构建 RAG 知识库1 场
- 向量检索常用的近似最近邻算法1 场
- AI 应用中如何处理用户隐私与合规问题1 场
- Agent 系统成本必须降一半,先从哪里查1 场
- 设计 Agent 工具时如何权衡能力、成本、可靠性与安全1 场
- 多个 AI Coding 实例并发工作如何做任务隔离与协作1 场
- 如何写首轮提示词让 Agent 先产出可评审的 Spec1 场
- 大模型 API 不稳定(过载)时如何保障可用性1 场
- Agent 的执行轨迹(trajectory)长什么样1 场
- Token 预算不足时如何处理超长的多类 JSON 输入1 场
大模型原理与微调(180 题)
- Transformer 与大模型的基本结构158 场
- LoRA 的原理77 场
- PPO、DPO、GRPO、DAPO 等强化学习对齐算法69 场
- 大模型幻觉的原因与缓解方法53 场
- 大模型训练流程:预训练、SFT、RLHF24 场
- PPO 的损失函数与 GAE19 场
- 大语言模型基础:KV Cache 与注意力变体14 场
- SFT、IFT 与强化学习的区别11 场
- 对话与 Agent 上下文过长的工程处理11 场
- 什么是提示词工程,提示词模板怎么设计与迭代10 场
- 大模型的基本概念10 场
- MoE 的原理和优势10 场
- 大模型输出格式错误与幻觉的兜底9 场
- GRPO 的原理与改进9 场
- BERT 的特点9 场
- SFT 指令微调的作用、模板与数据构建9 场
- DPO 的原理、损失函数与训练过程9 场
- Lost in the Middle 问题与解决方案7 场
- 模型层面如何扩展长上下文能力7 场
- 从 Prompt 到输出:LLM 推理全流程7 场
- Temperature、Top-k、Top-p 原理与调参7 场
- KL 散度的含义与在对齐中的作用6 场
- GPT 与 BERT 的区别6 场
- Agentic RL 与传统大模型强化学习的差异6 场
- 微调与 Prompt 的区别,以及如何结合6 场
- GRPO 目标函数推导与实现6 场
- 上下文窗口是什么及其物理限制6 场
- 大模型的涌现能力是什么5 场
- 大模型重复生成(复读机)问题怎么解决5 场
- 怎么评估一个大模型好不好5 场
- 多轮对话怎么训练和实现5 场
- Qwen 与 DeepSeek 的架构及关键创新5 场
- LLaMA 网络结构及 1/2/3 代演进5 场
- BERT 及其变体 RoBERTa、ERNIE、DeBERTa5 场
- Encoder-only、Decoder-only 与编解码架构对比5 场
- Prompt Tuning、P-Tuning、Prefix Tuning 对比5 场
- 主流开源与国产大模型概览5 场
- 高质量 SFT 数据集的构建与配比5 场
- 为什么 SFT 之后还要做 RLHF/DPO5 场
- 如何回答大模型领域的最新进展5 场
- 在线策略蒸馏(OPD)的损失与设计思路4 场
- 常见的多模态大模型有哪些,M-RoPE 是什么4 场
- MoE 的路由机制与负载均衡4 场
- Qwen3 的改进与特点4 场
- Qwen-VL 系列与 Qwen2.5-VL 整体架构4 场
- 从 Transformer 到现代大模型的结构演进4 场
- LoRA 初始化、参数量计算与手写实现4 场
- RLHF 是什么及其三阶段流程4 场
- 大模型训练数据的质量评估与过滤方法4 场
- 后训练后通用能力下降与灾难性遗忘4 场
- BERT 的预训练任务 MLM 与 NSP4 场
- LoRA 原理与 r、alpha、target_modules 等超参4 场
- 什么是 Token 以及不同模型 Token 数为何不同4 场
- 奖励模型训练、过优化与 Reward Hacking4 场
- 过程奖励与结果奖励及多轮信用分配4 场
- 如何让大模型严格按指定 JSON 格式输出并与代码对接?4 场
- LoRA 的 rank 如何选择?合并 adapter 时出现异常怎么排查?4 场
- 多模态大模型的架构与训练流程4 场
- 讲讲GPT的原理,以及ToT、GoT推理方法4 场
- Toolformer 的训练范式与 RLHF 的区别3 场
- SFT 数据怎么筛选、采样和控制质量3 场
- RLHF-PPO 的四个模型分工、损失与 KL 约束3 场
- 大模型解码策略及输出质量波动的原因3 场
- 上线前评测、评测集设计与防止评测集泄漏3 场
- 工具调用能力的微调与训练数据构造3 场
- Tokenizer 原理:BPE、WordPiece 与词表构建3 场
- 奖励函数设计:字段提取、稀疏奖励与多样性3 场
- SFT 收敛判断、过拟合与 loss 异常排查3 场
- GQA的原理是什么?为何性能能接近MHA?3 场
- 常见高效微调方法(P-tuning、Prefix等)有何区别?3 场
- Beam Search是怎么做的?有哪些优化?3 场
- 把大模型上下文扩展到百万级的关键技术与挑战是什么?3 场
- LLM的输入到底是什么?模型真正看到的是什么?3 场
- Agent 上下文压缩机制与 token 估算3 场
- 模型效果提升如何归因并排除无关变量3 场
- 国内外主流大模型的特点与对比3 场
- Dense 与 MoE 架构的区别与适用场景2 场
- BERT 与 T5 的区别2 场
- 代码补全 Agent 的分词器会遇到哪些问题2 场
- Qwen3 的快思考与慢思考(混合推理)2 场
- RoBERTa 相比 BERT 的改进2 场
- prefix LM 与 causal LM 的区别2 场
- 什么情况用 BERT,什么情况用大模型2 场
- 任务量远大于 MaxTokens 时怎么断点续写2 场
- 通过 SFT 提升模型准确率的常用手段2 场
- Token 是怎么切分的,为什么单词会被拆开2 场
- 多轮 Agent 强化学习的轨迹信用分配2 场
- Transformer、BERT、XLNet、UniLM 的原理与区别2 场
- ROUGE-L 指标的定义与计算方法2 场
- SFT、蒸馏与 RL(GRPO)的选型依据2 场
- 如何选择基座模型以及 Base 与 Chat 的取舍2 场
- DeepSeek-R1 的训练流程及与 V2、V3、R1-Zero 的差异2 场
- Transformer/BERT 的可训练参数构成与分布2 场
- 全量微调与参数高效微调(PEFT)的对比2 场
- GPT-3 到 ChatGPT 的演进与训练阶段区别2 场
- LoRA 的落地场景与常用超参配置2 场
- 如何为业务选择并验证合适的大模型2 场
- SFT 为什么只对回答部分计算 loss,如何实现2 场
- GRPO 重要性采样的意义及 GSPO 对 MoE 的改进2 场
- 增量预训练的含义与混合数据加训方法2 场
- RLVR 的训练策略与 Verifier 的作用2 场
- 预训练数据构成与清洗方法2 场
- 词表大小的影响与专有词汇扩充词表2 场
- On-Policy 蒸馏中的正向与反向 KL2 场
- Prompt 的组成结构与 few-shot 示例设计要点2 场
- 如何看待大模型的能力边界与上限2 场
- DPO 偏好数据对的构建与质量控制2 场
- LISA 分层采样微调与 LoRA 可解冻层选择2 场
- DAPO 为何去掉 KL 惩罚及 GRPO 后期优化2 场
- 高质量 CoT 数据的构造与筛选方法2 场
- SFT 学习率量级与 Warmup 的作用2 场
- RLHF 与 RLAIF 差异及 Constitutional AI2 场
- 如何设计奖励函数引导安全回复2 场
- 拒绝采样与 RS-FT 的原理与流程2 场
- 在线与离线 RL、On-policy 与 Off-policy 对比2 场
- 做实体抽取或确定性分类时,如何设置 temperature、top_p?2 场
- MoE 和多头注意力的区别2 场
- DeepSeek 在奖励建模上的做法(以 R1 为例)2 场
- DeepSeek 模型与 MoE 架构的路由细节2 场
- RL 奖励设计与防止奖励坍缩、Reward Hacking2 场
- 手写带 KV Cache 的多头注意力与形状变化2 场
- RL 训练中 KL 失控与熵崩溃如何处理2 场
- 大模型的发展趋势1 场
- 如何定义 bad case 及制定判定标准1 场
- Token 与字符有什么区别1 场
- 小语言模型(SLM)的定义与适用场景1 场
- 模型对齐(Alignment)的本质是什么1 场
- 上下文窗口的限制与注意力稀释现象1 场
- 长上下文模型的适用场景与主要代价1 场
- AI 评测指标如何选择1 场
- 困惑度 PPL 的定义、公式与局限1 场
- 推理模型思考预算如何按任务分级1 场
- 什么是 CoT 以及它为什么有效1 场
- Pre-LN 与 Post-LN 的区别和优劣1 场
- 手写 Top-p(核)采样1 场
- HumanEval、MBPP、APPS 的数据结构与评估方式1 场
- On-Policy Distillation(OPD)是什么1 场
- verl 中 AgentLoop 的设计特点1 场
- InternVL2.5 与 Qwen2.5-VL 的动态分辨率差异1 场
- 大模型能解决哪些实际应用场景1 场
- 多模态大模型产生幻觉的主要原因1 场
- 蒸馏时如何防止小模型学到错误推理链1 场
- Prefix LM、Causal LM 与 Encoder-Decoder 对比1 场
- 为什么很多项目不一开始就做微调1 场
- 对比学习与 DPO 的异同1 场
- 大模型训练与推理的区别1 场
- 困惑度(Perplexity)的含义与计算1 场
- 权重捆绑(Weight Tying)是什么1 场
- LLaMA-Factory 与 TRL 等训练框架对比1 场
- RL 策略的安全性与鲁棒性评估及自动化红队1 场
- RL 后模型出现谄媚行为如何纠正1 场
- 超长代码仓库上下文的工程处理1 场
- Mamba 的状态机制及其信息是否可逆1 场
- 真实约束下如何权衡 PPO 与 DPO1 场
- 工业落地中拒绝采样的主要问题1 场
- LoRA 的原理与常见变体1 场
- 大模型自动化评测框架与方法1 场
- 内容安全评测集如何构建1 场
- 通用大模型与垂类小模型的分工与落地1 场
- Few-shot 与 Zero-shot 的本质区别1 场
- 输入内容超出模型 token 上限怎么处理1 场
- 为什么大模型回答是一个字一个字输出的1 场
- 如何约束大模型的输出格式1 场
- Temperature、Top-P、Top-K 的作用与调节1 场
- RLHF 属于在线还是离线强化学习1 场
- BERT 嵌入层的组成与相加方式1 场
- baby-llama2 和 Llama 2 的区别1 场
- 生成模型的主要类型与发展脉络1 场
- 不改模型时如何调整大模型回复风格1 场
- 大模型few-shot能力的来源与原理1 场
- RLHF 中 Reference Model 是否需要训练1 场
- 介绍 Qwen2.5-VL 和 Llama1 场
- LLaMA 相比原始 Transformer 的结构改动与 RMSNorm1 场
- 文本长度相近时 Token 开销受哪些因素影响1 场
- LLM 回答效果不好时如何分析指标并定位方案1 场
- 除了幻觉,大模型还存在哪些问题1 场
- 继续预训练、SFT、DPO/RLHF、RLVR 各自优化什么1 场
- 使用 LLM-as-Judge 前如何验证其可靠性1 场
- 离线评测、Judge、人工与线上指标冲突时如何定位原因1 场
- SFT 数据如何生成与标注,如何防止训练测试泄漏1 场
机器学习(158 题)
- 过拟合的概念、原因与解决方法41 场
- GBDT 与 XGBoost 的区别25 场
- 常见损失函数21 场
- AUC 的含义与计算20 场
- GBDT、XGBoost、LightGBM、CatBoost 的区别16 场
- 交叉熵损失函数的公式与含义12 场
- 传统机器学习算法:SVM、LR、随机森林、LDA、DBSCAN11 场
- K-means 聚类算法11 场
- 有监督学习与无监督学习11 场
- 逻辑回归的原理与推导9 场
- Word2Vec 的原理与优化9 场
- 常见聚类算法及其原理8 场
- 特征筛选的方法与流程7 场
- Boosting 与 Bagging 的区别与选用7 场
- 逻辑回归与 SVM 的区别7 场
- 训练监控指标与收敛、过拟合判断6 场
- 类别不平衡的处理方法5 场
- SVM 推导与对偶问题5 场
- 强化学习的基本概念5 场
- 准确率、精确率、召回率、F1 与 ROC、AUC5 场
- Focal Loss 与交叉熵的区别4 场
- 分类与回归的区别4 场
- SVM 软间隔、核函数与调参经验4 场
- 决策树的特征选择与 ID3/C4.5/CART 区别4 场
- 样本不均衡对 ROC、PR 等指标的影响4 场
- 强化学习奖励函数如何设计4 场
- L1 与 L2 范数及正则化的区别4 场
- 样本不均衡的处理方法与 EasyEnsemble4 场
- 数值特征与离散特征的常见预处理方法4 场
- SVM 的基本原理是什么?为什么有效,核函数起什么作用?4 场
- 简要介绍一下决策树4 场
- NER 的方法与 BiLSTM-CRF 中 CRF 的作用4 场
- 常用分词算法与维特比算法4 场
- Word2Vec 负采样、层次Softmax与Sampled Softmax4 场
- 随机森林原理及与决策树的异同4 场
- 高维稀疏特征怎么处理3 场
- 牛顿法的原理与优缺点3 场
- MPC 原理及与 LQR、PID 的区别3 场
- SVM 支持向量机的基本原理3 场
- 刷榜、作弊流量与交易风控的检测建模3 场
- AUC、GAUC 与 NDCG 的含义和区别3 场
- PPO 的 on-policy 性质及与 TRPO 的关系3 场
- 朴素贝叶斯、KNN 与 KMeans 的原理和公式3 场
- 混淆矩阵与常见模型评估指标3 场
- 数据闭环设计与 Corner Case 挖掘3 场
- 逻辑回归为什么常用离散化和 One-Hot 特征3 场
- InfoNCE 的矩阵实现、温度系数与假负样本3 场
- GBDT 原理推导与 XGBoost 公式3 场
- 数据不足时的数据增强与训练策略3 场
- 深度学习原理及与传统机器学习的区别3 场
- 查准率、查全率、F1的关系,以及样本不均衡对指标的影响3 场
- 意图识别类别特别多时怎么做3 场
- 为什么 Embedding 特征比其他特征更有效2 场
- GraphSAGE 的原理2 场
- 机器学习中的正则化方法2 场
- 常见的分类方法有哪些2 场
- 新词发现的原理与实现2 场
- 神经网络的基础与结构2 场
- 特征工程是怎么做的2 场
- 用大白话解释 Embedding,以及在 Agent 里的应用2 场
- 前向 KL 与反向 KL 散度的区别和适用场景2 场
- CRF 与 HMM 的原理和区别2 场
- GBDT 与随机森林的区别2 场
- 偏差与方差及其权衡2 场
- Softmax 的求导2 场
- FM 与 FFM 的原理及时间复杂度2 场
- fastText 训练方式及 Word2Vec 与 GloVe 的区别2 场
- 如何评估微调后的模型确实有提升2 场
- LR、SVM 与树模型(含 XGBoost)的原理对比2 场
- 常见优化求解方法与凸优化基础2 场
- LSI 与 LDA 的区别及主题数的确定2 场
- 马尔可夫模型与隐马尔可夫模型(HMM)2 场
- Triplet Loss 公式推导与 BNNeck 的作用2 场
- 常见分类模型及多特征多分类场景选型2 场
- 树模型、GBDT+LR 与神经网络的差异与适用场景2 场
- 先验后验概率与模型训练即参数估计2 场
- DQN 原理与经典强化学习算法2 场
- 策略梯度公式推导与强化学习中的 loss2 场
- 蒙特卡洛与时序差分回报估计的对比2 场
- DeepWalk 与 Node2Vec 的原理与区别2 场
- 强化学习训练有哪些常用技巧2 场
- 样本不均衡与长尾问题的损失函数和采样策略2 场
- 类别不平衡与少样本类别的处理方法2 场
- FAQ 系统与文本匹配的常见方法和架构2 场
- 交叉熵与 KL 散度的联系与区别2 场
- 矩阵论与线性代数的区别与核心内容2 场
- 拉格朗日乘子法处理约束优化的原理2 场
- 文本数值化的常见方法与对比2 场
- 生成式模型与判别式模型的区别(SVM、LR 归属)2 场
- 随机剔除负样本对AUC的影响2 场
- 余弦相似度、内积与欧氏距离的区别2 场
- 传统 NLP 中分词与命名实体识别的常见算法2 场
- 文本分类常见模型与隐喻类文本的处理2 场
- 信息熵与交叉熵的计算公式1 场
- 用有偏硬币函数构造等概率输出1 场
- 如何理解维度灾难1 场
- LR 和神经网络不做标准化的影响1 场
- SLU 与 NLU 的区别1 场
- 超参数搜索方法:CMA-ES 与贝叶斯优化1 场
- 强化学习基本框架与常用训练框架1 场
- 如何做文本摘要1 场
- 目标检测 mAP 的计算方法1 场
- 半监督学习的常见方法1 场
- t-SNE 降维原理1 场
- GAE 广义优势估计1 场
- SHAP 值的原理1 场
- 销量预测的特征工程与 Transformer 选型1 场
- 经验风险与结构风险的区别1 场
- 半监督学习中如何给无标签样本打标1 场
- Frobenius 范数与矩阵算子范数的区别1 场
- VC 维的定义与意义1 场
- 大数定律的内容与在机器学习中的意义1 场
- 连续分布的期望与方差公式1 场
- 因果推断中混淆变量与中介变量的区别1 场
- Behavior Cloning 行为克隆是什么1 场
- ARIMA 模型解决什么问题及其原理1 场
- 如何判断训练数据量是否足够1 场
- 如何全面评估目标检测算法的性能1 场
- LDA 主题模型中的狄利克雷分布1 场
- CCA 典型相关分析的原理与应用1 场
- BPE 分词原理与为什么使用 BPE1 场
- 特征值与特征向量的含义1 场
- 改进的 TF-IDF 方法(含 BM25)1 场
- 特征与目标变量的相关性如何计算与表示1 场
- 皮尔森相关系数的定义与局限1 场
- 如何识别标题党1 场
- 向量化计算两组向量间的欧氏距离矩阵1 场
- 逻辑回归与线性回归的区别1 场
- 逻辑回归与最大熵模型的关系1 场
- Embedding 的含义:词嵌入与句嵌入的区别1 场
- 大模型与 Agent 评估中 Precision 与 Recall 的权衡1 场
- Informer 长序列时序预测模型原理1 场
- 异步 RL 训练中损失函数的修正方法1 场
- XGBoost 如何处理缺失值1 场
- 拒绝采样原理与 Best-of-N 的异同1 场
- ESIM 文本匹配模型原理1 场
- NLP 传统核心任务:分词、NER、分类与摘要1 场
- Embedding 的作用、性质与应用场景1 场
- 分类与回归的区别及混淆矩阵含义1 场
- 写出 L1 与 L2 正则化公式1 场
- 用 Python 实现梯度下降1 场
- PCA 主成分分析的原理与求解1 场
- 高斯混合模型 GMM 原理与 EM 求解1 场
- Graph Embedding 在动态图问题中的应用1 场
- Group Lasso 的原理与应用场景1 场
- GBDT 的提出受到了哪些工作的启发1 场
- LDA 是什么:线性判别分析(兼谈主题模型)1 场
- 降维算法概览与 PCA 原理1 场
- 序列标注任务与 CRF 原理1 场
- 为什么选 PPO,以及对其他强化学习方法的了解1 场
- 集成学习(Ensemble)的思想与常见方法1 场
- 蒙特卡洛树搜索(MCTS)的原理1 场
- EM 算法推导与 Jensen 不等式下界1 场
- word2vec是有监督还是无监督学习1 场
- KL 散度和交叉熵的区别与联系1 场
- 不看 loss 只看评价指标,选哪个指标有影响吗1 场
- XGBoost 能否用于特征选择或特征构造1 场
- 常见文本编码器有哪些及其原理1 场
深度学习(142 题)
- 深度学习基础:BN、激活函数、梯度下降与正则化37 场
- 反向传播与常见优化器原理20 场
- 梯度消失与梯度爆炸19 场
- BatchNorm 与 LayerNorm 区别及为何用 LN18 场
- LSTM 的结构与三个门16 场
- 残差网络 ResNet 与神经架构搜索 NAS14 场
- Transformer 的位置编码13 场
- CLIP 模型的原理与训练12 场
- ViT 的原理与结构11 场
- Self-Attention 的原理与实现11 场
- Self-Attention 中的 Q、K、V 与计算11 场
- 卷积的计算过程与卷积核11 场
- Dropout 的作用10 场
- 常见激活函数与选择10 场
- RMSNorm 与 LayerNorm9 场
- Attention 为什么要除以根号 d_k9 场
- RNN 与 LSTM 的原理及区别7 场
- 多头注意力的作用与表达增益7 场
- 反向传播、梯度与梯度下降原理7 场
- 常用的数据增广方法6 场
- Softmax 与交叉熵的公式、求导与数值稳定6 场
- 多模态大模型如何编码并对齐图文输入5 场
- Qwen3-VL 的整体架构5 场
- 主流图像生成模型与技术路线5 场
- Pre-Norm 与 Post-Norm 的区别及层内顺序5 场
- OCR 的流程、常用模型与选型4 场
- 手写多头注意力与交叉注意力4 场
- 多模态大模型的结构与训练流程4 场
- 常用归一化方法对比及适用场景4 场
- Attention 的时间与空间复杂度及加速方法4 场
- SAM 分割模型的整体架构3 场
- GAN 的原理3 场
- 1×1 卷积(点卷积)的作用与原理3 场
- 卷积与全连接层的输出尺寸、通道数和参数量计算3 场
- 感受野的定义、计算及对目标检测的影响3 场
- 视频生成模型架构:CogVideoX 与 Wan3 场
- YOLOv3 的网络结构、损失函数与主要改进3 场
- 手写 Transformer Block 与解码器伪代码3 场
- 模型超参数调优方法:网格搜索等3 场
- ReLU 的设计动机、缺点与改进3 场
- VQ-VAE 与 RQ-VAE 的损失函数和码本塌陷3 场
- DETR 原理与 Transformer 在自动驾驶感知中的应用3 场
- 你对多模态模型有哪些了解3 场
- 池化层有什么作用?max和average pooling怎么选?3 场
- SSD检测算法有什么缺点?与Faster R-CNN、YOLO有何区别?3 场
- Sigmoid和ReLU有什么区别?ReLU解决了什么问题?3 场
- YOLO系列的演进,以及为什么选YOLOv8而不是v5?3 场
- 深度学习常用的权重初始化方法有哪些?各适用什么情况?3 场
- RoPE 旋转位置编码原理及奇数维度适配3 场
- SwiGLU 激活函数的公式与改进点3 场
- IoU Loss 实现及 GIoU、CIoU、MPDIoU3 场
- SAM、SAM 2、SAM 3 的架构差异2 场
- ViT 与 CNN 的对比2 场
- CNN 的原理、结构与优点2 场
- 深度学习中分类与检测模型的理解2 场
- Swin Transformer 的原理2 场
- MinerU 相比传统 OCR 的优势2 场
- seq2seq 模型的结构2 场
- 多模态模型图像 Token 冗余的解决方案2 场
- RoPE 与 MRoPE 的原理,以及其他位置编码2 场
- 点云地面分割与聚类的实现与优化2 场
- AlexNet 结构及 VGG 相比 AlexNet 的改进2 场
- DiT 架构流程与 AdaLN 时间步注入2 场
- CNN 与 DNN 的选择及 CNN 中全连接层的作用2 场
- Dropout 的原理与训练时的权重更新2 场
- 卷积与池化的原理及卷积处理图像的优势2 场
- YOLOv4 的主要改进与 YOLOv8 模块结构2 场
- Pix2pix 与 CycleGAN 的区别及循环一致性损失2 场
- Faster R-CNN 全流程与 Cascade R-CNN 的动机2 场
- 扩散模型的基本原理2 场
- 训练 Loss 震荡的原因分析与排查2 场
- NMS 非极大值抑制的原理与手写实现2 场
- 手写 Softmax 与 Sigmoid 及数值稳定处理2 场
- 学习率调度策略与 warmup + cosine 的原因2 场
- BatchNorm 在训练与推理时的区别2 场
- 经典 CNN 结构:AlexNet、VGG、GoogLeNet、ResNet2 场
- LSTM、GRU、TCN 的原理与时序建模选择2 场
- FCN、DeepLab、PSPNet 结构与卷积输出尺寸计算2 场
- UNet、GAN、Diffusion 的结构与损失函数2 场
- 用 numpy 手写卷积与二维最大池化2 场
- 手写 LayerNorm 的实现要点2 场
- CTC 的原理与对齐问题1 场
- 手写 Transformer 正弦位置编码1 场
- tf.matmul 与 tf.multiply 的区别1 场
- OCR、ASR、TTS、GAN、ViT 等 AI 概念与应用1 场
- 手写 MoE 负载均衡损失函数1 场
- 推导 LayerNorm 对梯度消失的影响1 场
- Flow Matching 的原理与优势1 场
- 少样本缺陷检测如何提升检出率1 场
- GAN 模式崩溃与 DCGAN 的改进1 场
- GAN 在图像生成以外的应用与文生图1 场
- SENet 结构及如何嵌入 ResNet1 场
- GPT-1/2 与 LLaMA-1/2 的结构异同1 场
- 手写两层神经网络(前向与反向)1 场
- 神经网络权重能否初始化为 01 场
- Anchor-free 目标检测的发展与进展1 场
- 常见的即插即用模块1 场
- 手写 NMS 与 IoU(C++)1 场
- LSTM 与 Transformer 的差异1 场
- TextCNN 的原理与适用场景1 场
- 一阶泰勒展开及其在优化中的应用1 场
- 门控机制的原理(LSTM、GRU、GLU)1 场
- Diffusion 扩散模型的原理1 场
- 目标检测中的困难样本挖掘方法1 场
- 反卷积(转置卷积)的实现原理1 场
- Zero123 模型的特点及与相关方法的区别1 场
- VLA 视觉-语言-动作模型的基本架构1 场
- Embedding 层的初始化方法1 场
- 如何处理非凸优化问题1 场
- MLP 与 DNN 的区别1 场
- 手写 2D 卷积及其实现方式1 场
- Mamba 是否可能取代 Transformer1 场
- 传统机器视觉算法概览(滤波、频域、SIFT)1 场
- YOLO、SSD 与 R-CNN 系列检测算法的区别1 场
- OpenCV 读取图像的通道顺序与数据格式1 场
- 小目标检测的优化方法1 场
- AlexNet 网络结构、创新点与改进思路1 场
- GAN 与 VAE 的区别1 场
- Token-Mixing(MLP-Mixer)的复杂度与优劣1 场
- 对比学习代表工作与发展脉络1 场
- 图文多模态大模型的发展历程1 场
- 手写 Transformer 解码推理与 Beam Search1 场
- TTS 中音频如何离散化为 token1 场
- UniVLA 基于潜在动作的 VLA 架构1 场
- ReLU 有缺陷为什么仍被广泛使用1 场
- 手写 Multi-Head Attention 的实现要点1 场
- 用 sin 函数作为激活函数存在什么问题1 场
- Pixel Shuffle 亚像素上采样的实现原理1 场
- 反池化 Unpooling 的几种实现方式1 场
- 对比学习温度系数对表示的影响1 场
- 交叉熵与 InfoNCE 的区别1 场
- batch size 对收敛速度和泛化的影响1 场
- Text-CNN 的结构和特点1 场
- CNN经典架构、感受野与参数量计算1 场
- 语言模型中能否使用两层 LSTM 及原因1 场
- 线性注意力的原理与优缺点1 场
- TTS 语音合成的实现原理与主流方案1 场
- 视频内容理解中 ASR、OCR 与视觉模型如何组合1 场
- 多模态数据的类型、处理与对齐方式1 场
- 训练中 loss 出现 NaN 的原因与解决方法1 场
- Transformer 中使用了什么激活函数1 场
- 仅用基础 math 库手写 Causal Attention1 场
推理部署与加速(125 题)
- 模型推理优化:量化、剪枝与蒸馏36 场
- KV Cache 的优化31 场
- FlashAttention 与 Online Softmax19 场
- CUDA 编程基础14 场
- vLLM 的核心技术13 场
- DeepSpeed ZeRO 三个阶段分别优化什么12 场
- FP32、FP16、BF16 的区别与训练选型11 场
- 知识蒸馏的原理与常见方法8 场
- INT8/INT4/FP8 量化原理与精度权衡7 场
- DeepSpeed 缓解训练显存瓶颈的方案6 场
- 数据并行、张量并行与流水线并行6 场
- 端侧与移动端模型部署的难点与优化5 场
- 训练后量化 PTQ 与量化感知训练 QAT5 场
- 高并发低延迟的 LLM 服务部署与优化5 场
- Dataset、DataLoader 和 Sampler 的区别4 场
- 梯度累积的原理与使用要点4 场
- 用 Roofline 模型判断带宽瓶颈还是计算瓶颈4 场
- 大模型推理加速的常用手段4 场
- 推理框架与 Caffe 中的自定义算子实现4 场
- 昇腾 NPU 与 NVIDIA GPU 的架构与内存层级差异4 场
- 给定模型与显卡如何估算训练和推理显存4 场
- 什么是吞吐量?大模型推理的 token 吞吐量受哪些因素影响?4 场
- CUDA Graph 的原理与使用场景4 场
- 如何控制大模型输出的随机性4 场
- FlashAttention v1-v3 与 FlashDecoding 原理3 场
- GPU 性能指标、SM 占用率与 Warp 利用率分析3 场
- TensorRT 的加速原理与使用流程3 场
- 大模型训练加速与显存优化:梯度检查点等3 场
- Prefill 与 Decode 瓶颈及 Chunked Prefill3 场
- 3D 并行与 EP、CP、SP 的原理和作用3 场
- KV Cache 的作用与显存占用估算3 场
- LLM 调用与工具调用的缓存设计3 场
- 如何判断访存受限还是计算受限3 场
- SIMD与SIMT有何区别?Hyper-Q、NVLink等是什么?3 场
- 设计大模型推理 API 的请求与返回字段,并支持流式返回3 场
- 长上下文场景下如何优化 attention 的计算与显存开销?3 场
- Nsight Systems 与 Nsight Compute 的使用3 场
- LLM 量化方法:LLM.int8()、SmoothQuant、AWQ、GPTQ3 场
- KV Cache 与 Prompt Caching 的区别3 场
- TensorFlow 与 PyTorch 的特点与区别2 场
- Continuous Batching(连续批处理)2 场
- TVM 深度学习编译器2 场
- rollout 数量、batch size 与计算资源的关系2 场
- 访存优化的原理、手段与瓶颈定位2 场
- 训练与推理一致性问题2 场
- AI 芯片软件栈与海光 DCU 和 CUDA 生态的异同2 场
- Prompt Caching 原理及其对 Agent 成本的影响2 场
- 大模型推理的并行策略(TP/PP/DP/SP/EP)2 场
- CUDA 线程层次(grid/block/warp)与内存层次2 场
- 用 CUDA 或 Triton 手写 LayerNorm2 场
- 集合通信原语与 Ring AllGather 通信量分析2 场
- TensorFlow 图优化与 torch.compile 原理2 场
- PyTorch 计算图与 autograd 机制原理2 场
- FLOPs 计算与 7B 模型 SFT/RL 算力估算2 场
- 手写 CUDA 或 Triton 的 reduce sum 归约 kernel2 场
- KV Cache 为什么只缓存 K 和 V 而不缓存 Q2 场
- concat 与 stack、reshape 与 transpose 的区别2 场
- 模型输出异常与误差累积的排查思路2 场
- Ring 通信量分析与序列并行的 Zigzag 切分2 场
- 模型蒸馏的数据如何构建?蒸馏得到的数据如何清洗?2 场
- MLIR 是什么以及为什么要设计 MLIR2 场
- 大模型训练与推理的显存占用如何估算2 场
- PyTorch 中 nn.Module 与 nn.functional 的区别2 场
- 一个 5×5 卷积核与两个 3×3 卷积核堆叠的比较2 场
- 大模型分词器、Embedding 与端侧部署选型2 场
- PyTorch 数据加载、autograd 与 DDP 原理2 场
- CUDA 矩阵转置、向量外积与 GEMM 优化2 场
- 分布式训练基础:NCCL、AllReduce、ZeRO 与排障2 场
- CUDA核函数性能优化的常用手段2 场
- 召回-重排-生成与单次生成的延迟质量权衡2 场
- GPU 的底层硬件结构是怎样的2 场
- CPU、GPU、NPU 架构对比与适用场景2 场
- 卷积算子优化:im2col、Winograd 与位运算 GEMM2 场
- CUDA GEMM 分块优化与 shared memory 大小选择2 场
- 投机解码的原理与常见方法2 场
- 端侧 AI 与端云协同架构的优劣与趋势2 场
- ONNX 转 RKNN 时会做哪些优化2 场
- 多轮对话流式接口与 SSE 断线重连设计2 场
- vLLM 的调度队列与 Continuous Batching 实现2 场
- 手写对称线性量化算子1 场
- PyTorch DataLoader 与 Sampler 的区别1 场
- Megatron 的 TP/PP/SP 并行策略如何配置1 场
- 部分 INT8 量化与混合精度部署1 场
- Python 与 C++ 板端推理结果不一致如何排查1 场
- ONNX Runtime 在边缘板端部署中的作用1 场
- 为大模型设计训练数据加载器1 场
- 算子优化流程与 Roofline 瓶颈判断1 场
- Pinned Memory 页锁定内存1 场
- SGLang 与 vLLM 的对比1 场
- GPU/CUDA 编程中的死锁1 场
- 卷积层计算量的计算方法1 场
- 大模型导出时的动态维度问题1 场
- CUDA 程序的编译流程1 场
- CUDA Graph 的原理、显存开销与适用阶段1 场
- CUDA 实现矩阵加减与点乘1 场
- 手机端可运行的小模型与端侧部署1 场
- PyTorch 中交叉熵损失的实现1 场
- 大模型 API 限流中的 TPM 与 RPM1 场
- CUDA 中的 block 是软件还是硬件概念1 场
- 混合精度训练为何仍会出现 NaN1 场
- 设计更灵活的 GPU 显存缓存分配器1 场
- DeepSeek DualPipe 流水线并行原理1 场
- MLA 多头潜在注意力原理及推理加速1 场
- PyTorch GPU 计时与 synchronize 的问题1 场
- 介绍一下 PyTorch 框架1 场
- 低秩矩阵分解如何用于全连接层压缩1 场
- PyTorch 手写 SFT 的 loss 计算(含 shift)1 场
- 低比特量化推理部署1 场
- 如何编写TensorRT自定义算子插件1 场
- Triton和CUDA编程的区别1 场
- TensorFlow Lite核心组件与部署流程1 场
- 大量并发请求打满大模型API限速怎么办1 场
- GPU 上 GEMM 的经典优化手段1 场
- 用PyTorch搭建一个简单的分类网络1 场
- PointPillars 单帧推理耗时与测量1 场
- LLaMA Factory 的特点与优势1 场
- 大模型推理的 PD 分离(Prefill/Decode 分离)1 场
- 如何编写一个 CUDA 算子1 场
- 小模型低时延部署如何优化 Prefill 阶段1 场
- 用 Triton 写 GPU kernel 能解决什么问题1 场
- 连续批处理中新请求 Prefill 会不会抢占 Decode1 场
- GPU 与海光 DCU 在底层架构上的区别1 场
- CUDA kernel launch 时 CPU 端做了哪些事1 场
- RL 训练中 rollout 耗时过高、GPU 利用率低的优化1 场
- CUDA 是如何实现模型加速的1 场
数据结构与算法(155 题)
- 赛马问题:最少比赛场次19 场
- 编辑距离的动态规划解法16 场
- 不用库函数求平方根(二分与牛顿法)15 场
- 接雨水问题的三种解法14 场
- 最长有效括号12 场
- 最长公共子序列(LeetCode 1143)11 场
- 两个鸡蛋确定楼层9 场
- 由给定数字组成小于 n 的最大数9 场
- 时间复杂度的分析方法8 场
- 二叉树的直径8 场
- 二叉搜索树转双向链表7 场
- 和为 K 的子数组个数7 场
- 单调栈:下一个更大元素与每日温度6 场
- 和为 K 的子数组(前缀和加哈希表)6 场
- 最大正方形(LeetCode 221)5 场
- 判断平衡二叉树5 场
- 括号生成(回溯)5 场
- 二叉树最大宽度(LeetCode 662)5 场
- 岛屿的最大面积(LeetCode 695)5 场
- 力扣122:买卖股票的最佳时机II(可多次交易)4 场
- 矩阵乘法的实现与优化4 场
- 贪心算法与动态规划的区别4 场
- 和为 0 或 k 的最长子数组3 场
- 旋转图像(顺时针旋转矩阵 90 度)3 场
- 颜色分类与三色排序(LeetCode 75)3 场
- 轮流取棋子,每次取1到m个,先手有必胜策略吗?3 场
- 最长回文子序列(动态规划)3 场
- 最接近的三数之和(LC16)3 场
- 验证二叉树的前序序列化3 场
- 多数元素与摩尔投票(LeetCode 169/229)3 场
- 0-1 背包问题及下标不相邻变体2 场
- 反转字符串中的数字2 场
- 用牛顿法求平方根2 场
- 最长递增子序列及常见变种2 场
- 24 点游戏2 场
- 子集(LeetCode 78/90)2 场
- 估算此刻天上有多少架飞机2 场
- 最大正向匹配分词与字典树实现2 场
- 无重叠区间与最多不重叠活动(LeetCode 435)2 场
- 删除排序链表中的重复元素(LeetCode 82)2 场
- 用给定数字拼出小于 N 的最大数2 场
- 单词搜索(LeetCode 79/212)DFS 回溯2 场
- 快速幂:浮点数 n 次方与 A^B 取模2 场
- 不同的二叉搜索树(LeetCode 96)2 场
- 移除元素与移动零(LeetCode 27/283)2 场
- 轮转数组与字符串左旋(LeetCode 189)2 场
- 只出现一次的数字(LeetCode 136/137)2 场
- DTW 算法原理及与 NW 算法对比2 场
- 并查集实现:路径压缩与按秩合并2 场
- 二叉树的右视图(LeetCode 199)2 场
- 跳跃游戏:贪心判断能否到达终点2 场
- O(1) 时间插入、删除和获取随机元素(LeetCode 380)2 场
- 分割回文串的最少子串数(最少分割次数)2 场
- 汉诺塔的移动次数与移动步骤2 场
- 求所有子数组中位数之和(偶数长度取靠左中位数)2 场
- 哈夫曼树的构造及常见变体2 场
- 迷宫中从起点到任意终点的最短步数怎么求?2 场
- BST 中第 K 小的元素(Go 实现思路)2 场
- 划分为 k 个相等的子集(LeetCode 698)2 场
- 构建二叉搜索树2 场
- 矩阵的最大非负积路径(LeetCode 1594)2 场
- 判断点的投影是否落在线段上1 场
- 用最小二乘法拟合二维点的直线1 场
- Python 实现多叉树节点定义与建树1 场
- 数组查找、插入、删除的时间复杂度1 场
- 组合(LeetCode 77)回溯与剪枝1 场
- 通配符匹配(LeetCode 44)1 场
- 大文件中查找重复行1 场
- 海量数据中的敏感词检测1 场
- 用 [0,5] 均匀随机数实现 [0,9] 均匀分布1 场
- 快乐数(LeetCode 202)1 场
- 最长回文子串(区间 DP 解法)1 场
- 直线上最多的点数(LeetCode 149)1 场
- 最小区间:k 个有序数组各取一数(LeetCode 632)1 场
- 平方数之和:判断 a²+b²=c 是否有解1 场
- 设计快照数组(LeetCode 1146)1 场
- 二叉树的所有路径(LeetCode 257)1 场
- 飞机座位分配概率(LeetCode 1227)1 场
- Excel 表列名称(LeetCode 168)1 场
- 不知顶点顺序时判断凸多边形1 场
- 三个数组各取一数和为定值的组合数1 场
- 01 矩阵最短距离并输出路径(LeetCode 542)1 场
- 最大人工岛(LeetCode 827)1 场
- 骑士在棋盘上的概率(LeetCode 688)1 场
- 计算两个矩形的交并比 IoU1 场
- 在球面上均匀生成随机点1 场
- 和最大的子矩阵(面试题 17.24)1 场
- 统计全为 1 的正方形子矩阵(LeetCode 1277)1 场
- 图的最短路径算法思路(BFS/Dijkstra 等)1 场
- 砍树问题(二分答案)1 场
- K 个有序数组合并后的中位数1 场
- 单调栈典型题:下一个更大元素1 场
- 求 Σ floor(n/i)·i(整除分块)1 场
- 反素数(emirp)求和1 场
- 1 到 n 中数字 2 出现的总次数1 场
- 如何合并两棵二叉搜索树1 场
- 字符串小写字母前移、大写后移且保持顺序1 场
- 在排序数组中查找元素的第一个和最后一个位置1 场
- 找到所有数组中消失的数字(LeetCode 448)1 场
- 按权重(频率)随机采样索引1 场
- 大根堆、小根堆与优先队列1 场
- 设计最快的考研分数排序算法1 场
- 每行有序的矩阵中第 K 小的元素(堆解法)1 场
- A 拿 10 球、B 拿 20 球,A 的最大球更大的概率1 场
- 寻找峰值(LeetCode 162)1 场
- 最高频元素的频数(LeetCode 1838)1 场
- 12 个球称三次找出唯一异常球并判断轻重1 场
- 买卖股票的最佳时机 IV(最多 k 次交易)1 场
- 把数组中所有正数移到负数前面1 场
- 字符串变换的最小交换次数1 场
- 定长滑动窗口内最多的不同字符数1 场
- K 个有序数组求交集1 场
- 原地删除字符串中多余的空格1 场
- AVL 树的查找时间复杂度1 场
- 扁平列表转换为树形 JSON 结构1 场
- 路灯覆盖所有房屋的最小半径1 场
- 最大间距问题与桶排序优化1 场
- 不用额外栈,用递归反转一个栈1 场
- 判断两棵二叉树是否相同1 场
- 质因数分解的实现1 场
- 整数二进制中 1 的个数1 场
- 手写实现一个队列1 场
- BST 中大于 target 的最小值1 场
- 找出两个字符串中多出的那个字符1 场
- 乘积最大子数组1 场
- 钥匙和房间能否全部进入1 场
- 有序 1 到 N 数列缺失一个数1 场
- 最接近的三数之和(LeetCode 16)1 场
- 鲁棒计算数组的几何平均数1 场
- 打家劫舍 II(LeetCode 213)1 场
- 实现线程安全的优先级任务队列1 场
- 删除链表奇数位置的节点1 场
- N 皇后(LeetCode 51)1 场
- 大数相减(字符串减法)1 场
- 前 K 个高频单词(LeetCode 692)1 场
- 数组插入排序的实现与特性1 场
- 数组反复减 i 或 n-i+1 能否全为 01 场
- 限定天数与步长到达目标的方案数1 场
- 将字符串中的空格替换为 %201 场
- 单词规律:判断字符串是否匹配模式1 场
- std::map 的特性与插入方式1 场
- list 与 queue 的区别1 场
- 统计和在 [min, max] 内的连续子数组1 场
- 内存数据去重(相同内存页合并)的实现思路1 场
- Python 列表保持原顺序去重1 场
- n个骰子点数和的所有取值与概率(DP)1 场
- 100张卡片拿走两张,找出被拿走的数1 场
- 力扣1319:连通网络的操作次数1 场
- 原地把数组中的0移到末尾且保持其他元素顺序1 场
- 蓝眼睛岛民智力题的推理过程1 场
- 斐波那契数列的 O(log n) 解法1 场
- 同时找数组最大值和最小值的最少比较次数1 场
- 删除无序数组元素的时间复杂度1 场
- 子集回溯遇到重复元素如何去重1 场
- 求两个有序列表的相同元素1 场
推荐与搜索(82 题)
- 购物场景的推荐系统怎么设计22 场
- MMoE、PLE 与 Shared-Bottom 多任务模型对比13 场
- DIN 深度兴趣网络8 场
- 推荐系统用户行为序列建模的演进7 场
- BM25 的原理与相对 TF-IDF 的改进6 场
- 双塔召回与生成式召回对比及优化6 场
- A/B 实验设计与显著性判断6 场
- 大模型推荐理由:如何做到吸引人且不重复5 场
- 推荐多任务学习:MMoE、PLE、ESMM5 场
- 推荐系统冷启动与长尾问题的解决方案5 场
- 生成式召回需要怎样修改模型结构4 场
- Embedding 模型与 Reranker 的区别4 场
- 推荐系统冷启动怎么处理4 场
- 如何评估词向量/Embedding 的质量4 场
- 模型上线后效果下降的排查思路4 场
- DSSM 双塔模型及双塔召回的缺陷4 场
- DIN 与推荐系统中的注意力机制4 场
- Wide&Deep、DeepFM 与 DCN 的特征交叉对比4 场
- 搜索中的语义歧义和多义词如何建模3 场
- 生成式召回相比传统召回的优势和适用场景3 场
- 如何用大模型做搜索 Query 理解与改写3 场
- Semantic ID 与 RQ-VAE、RQ-KMeans 的区别3 场
- 主流召回模型的架构与适用场景3 场
- Pointwise、Pairwise、Listwise 与排序和分类的区别3 场
- 多任务学习的损失设计、权重调节与任务冲突3 场
- ESMM 与 CTR、CVR 多任务联合建模3 场
- 推荐系统召回、粗排、精排全链路3 场
- 精排模型 Scaling 与 HSTU 的设计3 场
- 排序学习中Pointwise、Pairwise、Listwise有什么区别?3 场
- 协同过滤、Wide&Deep、DeepFM、DIN的结构与区别是什么?3 场
- 推荐系统中的用户序列建模是什么?怎么建模长短期兴趣?3 场
- 了解哪些生成式推荐的代表性论文3 场
- 推荐系统中常见的偏差(Bias)2 场
- 模型在线更新与 A/B 测试如何安全实施2 场
- 高价值但极稀疏的行为信号(一键三连)怎么引入推荐2 场
- 弹幕数据如何建模为推荐特征2 场
- 衡量推荐同质化、信息茧房和多样性的指标2 场
- RQ-VAE 的流程、损失与梯度传播2 场
- 多兴趣召回双塔训练的标签怎么设置2 场
- ESMM 及其后续改进2 场
- Rerank 的 Top-k 怎么确定,怎么评估有效性2 场
- 生成式推荐与精排 Scaling 的行业趋势和落地思考2 场
- 如何评估数据集质量,如何构建测试集2 场
- 手写双塔召回模型的前向传播2 场
- 多模态图文特征如何融合,提升商品表征2 场
- 推荐系统如何兼顾流量扶持与长期生态2 场
- DeepFM 中 FM 二阶交叉权重与 SHAP 复杂度2 场
- 推荐中的正负样本构建与难负样本挖掘2 场
- 广告系统与推荐系统的异同及常见模型指标2 场
- ItemCF 的实现、公式与常见改进2 场
- 多模态 Embedding 接入精排模型的融合方式2 场
- 用户行为序列如何高效输入大模型2 场
- 大模型推荐与 DeepFM、DIN 等传统模型的差异2 场
- 召回中的正负样本采样与热门去偏2 场
- DSSM 有哪些改进模型2 场
- 多任务学习中任务收敛不一致与 loss 平衡方法2 场
- OneRec 生成式推荐是什么2 场
- 推荐排序模型的演进脉络2 场
- Embedding 模型如何选型,BGE 和 BERT 有何区别2 场
- loss 下降但 F1 不涨如何排查2 场
- 设计类似头条的信息流推荐系统1 场
- 基于好评差评人数的电影排序推荐1 场
- 如何设计广告投放系统1 场
- 推荐系统中用户行为偏好的获取1 场
- 稠密向量与稀疏向量的区别与适用场景1 场
- 协同过滤与深度学习模型在推荐中的优势1 场
- 推荐系统中常见的注意力机制1 场
- Uplift 模型的评估指标与计算方法1 场
- 大规模搜索的召回方案与 ANN 向量检索算法1 场
- RAG 答案相关性偏低时如何定位问题1 场
- 搜索与推荐在建模逻辑和标签设计上的差异1 场
- 多场景建模与 STAR 模型1 场
- 知识图谱嵌入方法与 TransE、TransR 原理1 场
- 多目标排序的线上融合公式如何确定1 场
- 如何把图片、视频等多模态信息融入推荐大模型1 场
- 200ms 内实时推荐系统架构设计1 场
- 如何防止推荐过度个性化导致信息窄化1 场
- 如何客观评估 AI 应用效果1 场
- ItemCF 与 UserCF 的区别1 场
- 推荐模型中 Group Embedding 的设计与作用1 场
- CTR 预估模型最后一层结构及对应损失函数1 场
- 推荐系统常见的深度学习模型有哪些1 场
Python(26 题)
- Python 的 GIL 与多线程18 场
- Python 装饰器的原理与用法17 场
- Python 列表与元组的区别13 场
- Python 的垃圾回收机制12 场
- 生成器与迭代器的区别5 场
- Python 中 dict 和 list 的区别3 场
- Python with语句的作用和原理2 场
- Python 正则表达式 re 模块用法2 场
- Python 作用域:global 与闭包延迟绑定2 场
- Python 读取文件统计词频并存入字典2 场
- Python 可变与不可变对象及训练中的用法2 场
- Python 中继承 object 与不继承的区别1 场
- Python 数据处理常见性能优化手段1 场
- Python PEP 8 编码规范1 场
- NumPy 维度交换、reshape 与点积、矩阵乘的区别1 场
- Python 字典按值排序1 场
- pandas 如何读取超大文件1 场
- Python 的 *args、**kwargs 与仅限关键字参数1 场
- Python 实现并发任务的方式1 场
- Python pdb 调试的用法1 场
- dataclass 的作用与 frozen=True 的特性1 场
- Python 类型标注与 Protocol1 场
- uv、pip、conda 的区别1 场
- Python列表append和extend的区别1 场
- Python 中校验大模型 JSON 输出常用哪些库1 场
- Python 中 __init__ 方法的作用1 场
操作系统(17 题)
- 进程、线程、协程的区别与适用场景18 场
- TLB是什么,有什么作用?4 场
- Load Average、CPU 使用率与 top 字段含义3 场
- 操作系统的文件管理方式2 场
- 为什么不用读写锁:适用场景与局限2 场
- CPU Cache 的作用与存储层次2 场
- 线上 CPU 飙高或内存持续增长的排查2 场
- Swap 交换区与内存抖动2 场
- Linux 下如何查看进程打开的文件句柄?2 场
- 多线程操作 HashMap 应该用什么类2 场
- kill 信号与 Ctrl+C/Z/D 的区别1 场
- 零拷贝:write、mmap 与 sendfile1 场
- 分配 1GB 虚拟内存后首次访问发生什么1 场
- Linux管道符和重定向的作用1 场
- 为什么用 Reactor 或 Proactor 构建线程模型1 场
- 并发与异步编程的区别及适用场景1 场
- 跨NUMA访问导致性能下降如何调优1 场
感知与传感器(24 题)
- 目标检测的发展阶段与常用算法3 场
- 介绍RANSAC算法,内点和外点如何确定?3 场
- 如何手写NMS?有哪些优化方法?3 场
- L1~L5级自动驾驶的区别是什么?L4落地的瓶颈在哪?3 场
- BEV 感知为什么流行,主要痛点是什么2 场
- 动态物体对 SLAM 和定位的影响及应对2 场
- 如何并行加速点云聚类(OpenMP 或 CUDA 思路)2 场
- 暴雨浓雾等极端天气下如何提升感知鲁棒性2 场
- SLAM 后端优化与回环检测方法2 场
- YOLOv5 的网络结构与改进点2 场
- 多车协同感知框架设计1 场
- 手写两个矩形框的 IoU 计算1 场
- IMU 预积分中 bias 更新后如何处理1 场
- 用 RANSAC 拟合含外点的二维直线1 场
- 什么场景下火焰检测适合用 YOLO1 场
- 相机内外参的静态标定与动态标定1 场
- PCL 点云可视化用哪些接口1 场
- PointPillars 原理及与 PointNet 的区别1 场
- 目标检测是什么,主流方法有哪些1 场
- PnP 位姿估计至少需要几对点1 场
- VINS-Mono的整体流程1 场
- 对极几何原理及在SLAM中的应用1 场
- 相机世界/相机/成像/像素坐标系之间如何转换1 场
- PointNet++ 的网络结构与原理1 场
行为面(14 题)
- 实习中与同事有分歧怎么处理11 场
- 实习中对团队最大的贡献7 场
- 面试中的性格测试怎么应对3 场
- 如何获取最新技术发展趋势及常用渠道2 场
- 毕业后选择工作还是读博2 场
- 如何验收 AI 生成代码的正确性1 场
- 面试官说你的方案没有显著改进,如何回应1 场
- 如果转做智能驾驶,你会怎样学习1 场
- 如何学习统计机器学习1 场
- 学习前端技术的主要途径1 场
- 算法工程师为什么要了解行业前沿技术1 场
- 游戏方案设计业务中如何挖掘 AI 需求场景1 场
- Figma多人协作设计AI产品的优势1 场
- 用Sketch快速迭代AI产品界面的要点1 场
C++(17 题)
- C++ 中 extern 关键字的作用7 场
- 编译器优化与常见优化手段6 场
- 使用 Eigen 库高效进行矩阵运算的技巧2 场
- 抽象类(abstract class)和接口(interface)有什么区别?2 场
- C++ vector的清空方式及区别2 场
- 多继承下多个虚函数指针的问题如何处理2 场
- GDB 调试的编译选项与条件断点2 场
- 动物园给不同动物投喂不同食物的面向对象设计1 场
- Protobuf 的 Arena 机制1 场
- C++ 中对象的生成过程1 场
- C/C++ 函数参数的压栈顺序1 场
- C++ 异步编程的实现方式1 场
- STL 如何防止内存泄漏1 场
- 智能指针相互转换与获取原始指针1 场
- m×n 矩阵高效存入 vector 并求和1 场
- undefined symbol 问题的排查方法1 场
- 除 new/delete 外还有哪些动态内存方式1 场
定位规划与控制(16 题)
- 卡尔曼滤波的原理10 场
- 动态障碍物轨迹用什么数据结构存储2 场
- 十字路口多车与行人的协同决策:规则还是学习2 场
- 卡尔曼滤波与粒子滤波对比(以 IMU+GNSS 紧耦合为例)2 场
- 位姿变换矩阵(齐次变换)基础知识1 场
- 为什么选 LADRC 而不是 PID1 场
- MPC 模型预测控制简介1 场
- ACT 动作分块的核心思想1 场
- 卡尔曼滤波与最小二乘法的区别1 场
- 动态障碍物轨迹预测与冲突检测1 场
- 深度学习用于控制任务的优势与局限1 场
- Real-Time Chunking 实时动作分块方法1 场
- 高斯-克吕格投影坐标系1 场
- UKF、EKF 与 PF 的关系与异同1 场
- Lattice Planner 与 EM Planner 的思路与对比1 场
- 自动驾驶规划与控制算法有哪些1 场
系统设计与高并发(18 题)
- 大模型应用响应慢,系统耗时层面可以做哪些优化?3 场
- 朋友圈Feed流怎么设计?好友很多时如何减少计算量?3 场
- 优惠券系统设计:创建、发放与核销2 场
- 登录安全策略:密码复杂度与失败次数限制2 场
- 实时推送的及时性与离线消息补发2 场
- 多家大模型 API 的统一网关设计2 场
- 报表系统的设计思路2 场
- 海量视频存储:去重、冷热分离与加速2 场
- 通知平台的设计1 场
- 如何检测连接池中的连接是否可用1 场
- 如何设计 IP 地址黑名单1 场
- 上传接口防护与大文件分片上传1 场
- RESTful API 的优点1 场
- 实现支持多轮对话与流式返回的接口1 场
- 高并发下优先保障会员用户可用性1 场
- 设计一个优惠策略可随时更新的商品计价系统1 场
- 邀请系统的对象关系、表与接口设计1 场
- FastAPI + SSE 高并发瓶颈与重新设计1 场
分布式与微服务(13 题)
- Spark 的核心概念与运行架构4 场
- 什么是熔断?在什么场景下需要熔断?4 场
- 常用大数据框架:Hive 与 Spark3 场
- 异步 RPC 请求的设计思路2 场
- 重试风暴与指数退避重试设计2 场
- 容器中 namespace、cgroup 与 overlayfs 的作用2 场
- Node.js 服务如何与 Python 模型服务通信2 场
- 按权重比例返回集群 IP 的函数设计2 场
- 依赖服务超时或宕机时的熔断降级设计2 场
- 向量库与 MongoDB 双写如何保证一致性1 场
- K8s Pod 的创建过程1 场
- K8s request 与 limit 的实现原理1 场
- JSON-RPC 是什么,为什么叫 RPC1 场
Web 前端(16 题)
- Vue3 组合式 API 与 ref、reactive 的区别3 场
- addEventListener 的参数与事件流2 场
- JS 变量提升与箭头函数的 this 指向2 场
- AI 对话流式追加的渲染与内存优化2 场
- new 操作符执行了哪些过程2 场
- 手写防抖函数及使用场景2 场
- Vue 数据驱动(响应式)的理解1 场
- 手写 Promise.all1 场
- LCP 指标的含义与优化1 场
- React 什么情况下会重新渲染1 场
- 前端如何流式解析大模型返回的 JSON1 场
- useEffect 的执行时机与常见问题1 场
- Vue3 跨页面传值的常见方式1 场
- 标准盒模型和IE盒模型的区别1 场
- IM前端存储选型与多设备消息同步1 场
- 三层嵌套盒子点击时事件的触发顺序1 场
需求与竞品分析(22 题)
- B 端产品与 C 端产品的区别2 场
- LTV、CAC、ROI、DAU/MAU、留存等指标的定义1 场
- ToC、ToB、ToG市场的核心差异与落地关键1 场
- AI 技术可行性分析的要点1 场
- AI 产品中 MVP 的特殊含义与低成本验证1 场
- AI 产品如何验证 PMF1 场
- AI 产品 A/B 测试与传统 UI 测试的区别1 场
- AI 产品冷启动的鸡蛋问题与破局策略1 场
- AI 产品迭代为何以数据和模型为重心1 场
- AI 产品异常监控需重点关注的指标1 场
- 数据飞轮的定义及其竞争壁垒意义1 场
- MaaS、PaaS、SaaS、AaaS 四种 AI 商业模式1 场
- Token 计费、按次计费与订阅制的适用场景1 场
- 具身智能与 AI4S 的定义与代表案例1 场
- 以智能避障为例,产品经理需要定义哪些技术需求1 场
- 四足机器人家庭宠物陪伴的多模态交互功能设计1 场
- 高算力模型提升体验但增加硬件成本时的评估框架1 场
- 机器人 AI 功能正式 OTA 前的小步快跑验证机制1 场
- 为四足机器人设计一个付费 AI 技能包1 场
- 机器人平台吸引开发者应提供哪些AI工具与接口1 场
- 用 Axure 展示 AI 游戏方案设计产品的交互逻辑1 场
- 竞品分析在游戏AI应用方案设计中的作用1 场
概率统计(16 题)
- 线段上随机取两点分成三段,能组成三角形的概率是多少?3 场
- A/B实验中的SRM(样本比例失衡)是什么?3 场
- A/B实验中的实验污染是什么?如何避免?3 场
- 100人随机戴帽至少一人拿对自己编号的概率1 场
- 分层抽样为什么能减小方差1 场
- 双重机器学习 DML 的原理1 场
- 用 1/2 概率的分类器构造 1/7 概率1 场
- 圆内点到圆心的平均距离1 场
- 圆上三点构成锐角三角形的概率及常见分布1 场
- Pearson 与 Spearman 相关系数的区别1 场
- 中心极限定理1 场
- 辛普森悖论的含义与应对1 场
- 抽到红球放回、蓝球结束的期望次数1 场
- Uplift 模型是什么,如何用于发券决策1 场
- 混淆偏差与选择偏差的区别1 场
- 54 张扑克牌抽两张一红一黑的概率1 场
其他(10 题)
- IoU 是什么?如何计算两个检测框的 IoU?6 场
- 训练一个 32B 参数的模型大约需要多少 GPU 资源?4 场
- Softmax的原理和作用是什么?3 场
- 有标签的数据太少时,怎么处理?2 场
- 迁移学习在计算机视觉中的应用1 场
- 控制流图与数据流图及其在编译优化中的应用1 场
- Flash Attention 与 Paged Attention 的区别和原理1 场
- RANSAC 和最小二乘有什么区别1 场
- CUDA 算子 Block/Grid、共享内存与 Occupancy 调优1 场
- SSD 目标检测模型的架构和原理1 场
处理与同步(13 题)
- OpenCV 常用算法与图像处理工具3 场
- 傅里叶变换与时域频域基础3 场
- SIFT 特征提取与匹配的原理2 场
- 计算机视觉中的数据增强方法2 场
- 音画不同步的排查与解决2 场
- HOG 特征的原理与应用1 场
- 引导滤波(Guided Filter)的原理1 场
- 实现 avg_pool 平均池化操作1 场
- Hough 变换的原理1 场
- SIFT、SURF、ORB 特征的区别1 场
- LBP 局部二值模式的原理与应用1 场
- 形态学变换中腐蚀与膨胀的原理1 场
- Canny 边缘检测的原理与步骤1 场
计算机网络(8 题)
- SSE 原理、心跳保活与断线续传5 场
- 爬虫的访问控制与常见反爬应对4 场
- Linux提供了哪些进程间通信接口?3 场
- writev 的作用与性能优势2 场
- 物理层的作用是什么2 场
- RSA 加解密原理与大整数分解1 场
- RDMA 与 TCP 的本质区别1 场
- 网络良好时 TCP 和 UDP 传文件谁更快1 场
图形渲染(2 题)
C 语言(5 题)
- 函数内分配内存后返回指针,返回局部变量地址会怎样?4 场
- char类型占几个字节?中文字符用什么类型和编码表示?3 场
- #define 宏定义的作用与用法3 场
- Linux 下 gcc 与 g++ 编译的区别1 场
- 浮点数转二进制(IEEE 754 单精度)1 场
数据库(9 题)
- SQL 分组聚合与排序取 TopN2 场
- 项目管理系统的实体关系与核心表设计2 场
- 股票数据为什么选 MongoDB 而不是 MySQL2 场
- SQL 查询每个客户最近一次交易金额1 场
- 唯一索引是否允许多个 NULL1 场
- SQL 查询每个客户最近一次订单1 场
- SQL 求每个客户带条件的最大连续登录次数1 场
- K 线数据表如何设计1 场
- SQL 查询近 7 天数据并按天统计1 场
系统、仿真与安全(8 题)
- 用仿真器生成刁钻场景并保障泛化性2 场
- SOTIF(ISO 21448)如何贯穿算法开发全流程2 场
- 海量点云数据 Pipeline 设计与 ROS2/CyberRT 选型2 场
- 机器人策略真机失败的原因与诊断1 场
- 消费级移动机器人 AI 紧急制动的异常场景1 场
- 让 Linux 内核具备实时性的方案及实时需求1 场
- 常用的ROS2开发工具1 场
- ROS2 中如何实现参数的动态重新配置1 场
ROS2(7 题)
- ROS 的 topic 与 service 及与 FreeRTOS 通信的区别2 场
- ROS2 的 QoS 策略配置及其作用2 场
- 单片机如何接入 ROS1 场
- ROS 2 中如何实现定时器1 场
- ROS 2 中如何优化节点性能1 场
- ROS2中节点间异常与错误的处理1 场
- 如何调试 ROS2 程序1 场
缓存(3 题)
Java(4 题)
嵌入式系统(4 题)
Go(4 题)
商业案例(3 题)
音视频方案设计(1 题)
- 视频通话中的隐私数据保护2 场
编解码(2 题)
消息队列(2 题)
总线与接口(2 题)
流媒体与传输(1 题)
- 常见的点播链路与直播链路1 场