京东大模型算法面试高频题报告(统计自 22 场真实面经)
结论:在 22 场京东大模型算法的真实面经里,被问得最多的是「PPO、DPO、GRPO、DAPO 等强化学习对齐算法」(27% 的场次问到)、「LoRA 的原理」(18% 的场次问到)、「RAG 如何保证召回结果和库存一致」(18% 的场次问到)。按考点看,大模型原理与微调占 33%、RAG 与 Agent占 11%、Web 前端占 11%。
最常被问到的 30 道题
| # | 题目 | 问到的场次 | 占比 |
|---|---|---|---|
| 1 | PPO、DPO、GRPO、DAPO 等强化学习对齐算法 | 6 | 27% |
| 2 | LoRA 的原理 | 4 | 18% |
| 3 | RAG 如何保证召回结果和库存一致 | 4 | 18% |
| 4 | LRU 缓存的实现 | 3 | 14% |
| 5 | Transformer 与大模型的基本结构 | 3 | 14% |
| 6 | 搜索中的语义歧义和多义词如何建模 | 3 | 14% |
| 7 | Toolformer 的训练范式与 RLHF 的区别 | 3 | 14% |
| 8 | Agent 的 Self-Reflection 反思机制 | 3 | 14% |
| 9 | Vue2 与 Vue3 的区别 | 2 | 9% |
| 10 | LoRA 的 rank 如何选择?合并 adapter 时出现异常怎么排查? | 2 | 9% |
| 11 | SFT、IFT 与强化学习的区别 | 2 | 9% |
| 12 | 传统机器学习算法:SVM、LR、随机森林、LDA、DBSCAN | 2 | 9% |
| 13 | 介绍项目与应对深挖:STAR 框架 | 2 | 9% |
| 14 | 实习中与同事有分歧怎么处理 | 2 | 9% |
| 15 | 大语言模型基础:KV Cache 与注意力变体 | 2 | 9% |
| 16 | 购物场景的推荐系统怎么设计 | 2 | 9% |
| 17 | 过拟合的概念、原因与解决方法 | 2 | 9% |
| 18 | Agent 的概念与它和 LLM 的区别 | 2 | 9% |
| 19 | 爬楼梯(青蛙跳台阶) | 2 | 9% |
| 20 | 意图识别类别特别多时怎么做 | 2 | 9% |
| 21 | 常见的多模态大模型有哪些,M-RoPE 是什么 | 2 | 9% |
| 22 | JS 变量提升与箭头函数的 this 指向 | 2 | 9% |
| 23 | Vue3 组合式 API 与 ref、reactive 的区别 | 2 | 9% |
| 24 | SFT 指令微调的作用、模板与数据构建 | 2 | 9% |
| 25 | Opus 为什么延迟低,并且在中低码率下音质较好? | 1 | 5% |
| 26 | 音频 3A 算法(AEC、ANS、AGC)分别是什么? | 1 | 5% |
| 27 | MP4 音频从解复用到播放的完整链路 | 1 | 5% |
| 28 | WebRTC 的主要模块划分 | 1 | 5% |
| 29 | 反向传播与常见优化器原理 | 1 | 5% |
| 30 | Vue 与 React 的区别 | 1 | 5% |
考点分布
- 大模型原理与微调33%
- RAG 与 Agent11%
- Web 前端11%
- 数据结构与算法10%
- 机器学习9%
- 推荐与搜索6%