百度大模型算法面试高频题报告(统计自 47 场真实面经)
结论:在 47 场百度大模型算法的真实面经里,被问得最多的是「FlashAttention 与 Online Softmax」(9% 的场次问到)、「KV Cache 的优化」(6% 的场次问到)、「二叉树的遍历」(6% 的场次问到)。按考点看,大模型原理与微调占 19%、RAG 与 Agent占 19%、推理部署与加速占 14%。
最常被问到的 30 道题
| # | 题目 | 问到的场次 | 占比 |
|---|---|---|---|
| 1 | FlashAttention 与 Online Softmax | 4 | 9% |
| 2 | KV Cache 的优化 | 3 | 6% |
| 3 | 二叉树的遍历 | 3 | 6% |
| 4 | 经典算法题:最长回文子串、无重复最长子串、最大子数组和 | 3 | 6% |
| 5 | LoRA 的原理 | 3 | 6% |
| 6 | Claude Code 的工作原理 | 3 | 6% |
| 7 | 大语言模型基础:KV Cache 与注意力变体 | 3 | 6% |
| 8 | PPO、DPO、GRPO、DAPO 等强化学习对齐算法 | 2 | 4% |
| 9 | GRPO 的原理与改进 | 2 | 4% |
| 10 | vLLM 的核心技术 | 2 | 4% |
| 11 | 最大正方形(LeetCode 221) | 2 | 4% |
| 12 | PPO 的损失函数与 GAE | 2 | 4% |
| 13 | RAG 的流程与理解 | 2 | 4% |
| 14 | Transformer 与大模型的基本结构 | 2 | 4% |
| 15 | 如何构建 Agent 的上下文工程 | 2 | 4% |
| 16 | Agent 的概念与它和 LLM 的区别 | 2 | 4% |
| 17 | ViT 与 CNN 的对比 | 2 | 4% |
| 18 | Dataset、DataLoader 和 Sampler 的区别 | 2 | 4% |
| 19 | 代码补全 Agent 的分词器会遇到哪些问题 | 2 | 4% |
| 20 | 代码智能 Agent 的工作模式与差异 | 2 | 4% |
| 21 | ViT 的原理与结构 | 2 | 4% |
| 22 | PPO 的 on-policy 性质及与 TRPO 的关系 | 2 | 4% |
| 23 | Self-Attention 的原理与实现 | 2 | 4% |
| 24 | 如何设计 Agent 工具库与工具描述 | 2 | 4% |
| 25 | 如何防止 Agent 死循环和重复调用工具 | 2 | 4% |
| 26 | 主流图像生成模型与技术路线 | 2 | 4% |
| 27 | KV Cache 为什么只缓存 K 和 V 而不缓存 Q | 2 | 4% |
| 28 | 手写多头注意力与交叉注意力 | 2 | 4% |
| 29 | Qwen3-VL 的整体架构 | 2 | 4% |
| 30 | 只用 LLM API,怎么搭建一套 Agent 应用 | 2 | 4% |
考点分布
- 大模型原理与微调19%
- RAG 与 Agent19%
- 推理部署与加速14%
- 数据结构与算法10%
- 深度学习10%
- 机器学习4%