AI面会问哪些问题？

AI 面主打一个套路多，上来先让你自我介绍，接着深挖项目细节，问你 “怎么优化”“遇到坑怎么解决”，还冷不丁考算法和网络（不过这个是以你的简历为内容出发的，大概率是比较常规的八股）。千万别背模板，回答要讲逻辑，说清做了啥、为啥这么做、有什么收获。多练几次，别紧张就行！还有就是，ai面一般都是对你的眼神比较在意，只要眼神偏离了屏幕，就会收到警告，有些同学比如我，就是回答问题喜欢到处乱看，以前因为这个问题没少被提示。。。

自我介绍,实习经历,项目细节,基础算法,感觉特点是容易问的很细,会把所有踩坑点都问透了,而且容易出场景题

上周面了一家 AI 算法岗，面试官追着问基础算法、大模型微调细节，还让我现场拆解怎么解决过拟合、优化推理速度，连项目里的踩坑点都挖得特别细，感觉把家底都问透了，太考验功底了😂

AI面试的问题其实很集中，基础算法和编程题是必考题，大模型原理、项目细节也会被反复深挖。还常出场景题，比如怎么解决过拟合、怎么提升推理速度等等

这是一个送命题。别回答我愿意996，显得没底线。也别回答坚决不加班，显得不抗压。标准答案：紧急情况可以配合，但我更看重效率，习惯在正常工作时间内完成核心任务。AI在测：你值不值得招太硬的不听话，太软的容易跑。

别真说失败，要说“有遗憾但学到了”。标准答案套路：项目背景→遇到了什么坑→怎么补救的→最后结果→学到了什么。千万别甩锅给队友，AI会判定“协作能力差”。

1分钟自我介绍，别背简历，说我是谁+做过啥+想干啥。你最大的缺点是什么？我有时候太较真或者公开演讲会紧张，别说不合群。为什么选我们公司？——提前搜3个业务关键词，AI就判你有诚意。AI面潜规则：盯着摄像头说话，别卡壳超3秒，多用首先、其次这种词——AI就认这个。一句话：AI面试官不怼你，它只打分。背熟故事，稳住眼神，就能过。

一般是流程是上来基本就是一段自我介绍、实习的经历、情景题的模拟、你对这个岗位匹配度、还有职业规划啥的问题，ai捕捉你的关键词和微表情，用于高效的筛选

AI面试的问题范围很广，具体取决于你投递的岗位方向。大模型算法岗：Transformer细节、预训练与Scaling Law、对齐与RLHF、推理优化原理Agent开发岗：LangChain/LlamaIndex原理、RAG与知识增强，RAG全链路——文档解析（PDF表格、图像）、向量化（Embedding模型选型）、向量检索（HNSW参数调优）、检索后重排（Reranker）的完整流程设计。检索优化——HyDE（假设文档嵌入）的原理与效果；多路召回（关键词+向量+知识图谱）如何融合？

AI面试主要考察：**自我介绍、过往经历（用STAR法则）、情景模拟（如处理冲突）、岗位匹配度、压力应对及职业规划**。问题侧重逻辑表达与行为一致性，系统会捕捉关键词和微表情，用于高效初筛候选人的综合素质。

面过几场 AI 相关岗位，高频问题基本都围绕实际落地展开。常被问到 RAG 的完整流程、如何缓解大模型幻觉，还有 AI Agent 的场景设计思路，面试官还会深挖项目里的模型选型与调优细节。单纯背概念很容易被追问住，建议结合自己的实战项目作答，多讲踩坑与优化过程。每场面试后及时复盘易错点，整理专属答题逻辑，面对深度提问时也能从容应对，面试通过率会明显提升。

RAG (检索增强生成)什么是RAG？它能解决什么问题？RAG和直接微调（Fine-tuning）模型有什么区别？在什么场景下应该优先选择RAG？AI幻觉 (Hallucination)什么是AI幻觉？为什么会产生？在项目实践中，你有哪些方法可以减少或避免模型产生幻觉？模型架构与原理详细解释一下Transformer模型中注意力（Attention）机制的原理。解释MoE（混合专家模型）的原理、优点及潜在缺点（如通信成本、负载不均衡）。你了解DPO（直接偏好优化）、RLHF（人类反馈强化学习）吗？它们有什么区别？