跳转至

面试题库 - 学习指南

全面覆盖AI算法岗面试,22个题库按类别组织

📊 题库总览(按类别)

🧠 AI/大模型方向(01-11, 22)——核心必刷

题库 内容 优先级
01-模型量化基础概念 量化原理/方法/效果 ⭐⭐⭐⭐
02-量化算法详解 PTQ/QAT/GPTQ/AWQ ⭐⭐⭐⭐
03-量化精度损失评估 精度指标/损失分析/补偿 ⭐⭐⭐
04-常见面试问题和解答 量化面试题合集 ⭐⭐⭐⭐
05-实际项目经验分享 量化项目案例/踩坑 ⭐⭐⭐
06-大模型基础理论 Transformer/预训练/微调 ⭐⭐⭐⭐⭐
07-Transformer架构 注意力/位置编码/多头 ⭐⭐⭐⭐⭐
08-预训练和微调 LoRA/QLoRA/PEFT ⭐⭐⭐⭐⭐
09-推理优化 推理加速/量化/蒸馏/缓存 ⭐⭐⭐⭐⭐
10-实际项目经验 项目经验/问题解决 ⭐⭐⭐⭐
11-前沿技术 Agent/RAG/推理系统/最新进展 ⭐⭐⭐⭐⭐
22-大模型核心八股文 Attention/训练/推理/RAG/Agent全面覆盖 ⭐⭐⭐⭐⭐

💻 CS基础方向(12-17)——大厂必考

题库 内容 优先级
12-算法与数据结构 排序/树/图/DP ⭐⭐⭐⭐⭐
13-系统设计 高并发/分布式/AI系统 ⭐⭐⭐⭐
14-行为面试BQ STAR法则/冲突处理/领导力 ⭐⭐⭐⭐
15-计算机网络 TCP/IP/HTTP/DNS ⭐⭐⭐
16-操作系统 进程/线程/内存/调度 ⭐⭐⭐
17-数据库 MySQL/Redis/索引/事务 ⭐⭐⭐

🔧 编程语言(18-19)

题库 内容 优先级
18-Python面试题 GIL/装饰器/生成器/异步 ⭐⭐⭐⭐
19-Java面试题 JVM/并发/Spring/GC ⭐⭐⭐

🎯 综合实战(20-21)

题库 内容 优先级
20-项目经验面试指南 STAR模板/项目包装/反问 ⭐⭐⭐⭐⭐
21-AI Agent与RAG Agent架构/RAG优化/工具调用 ⭐⭐⭐⭐⭐

📎 更多面试资源: - AI系统设计面试 → AI系统设计面试 - 各方向专项50题 → 各教程目录下 面试准备/ 子文件夹 - 简历与求职策略 → 简历与求职

📚 推荐刷题路线

Text Only
第一周:AI核心理论
├── 06-大模型基础理论 → 07-Transformer架构 → 08-预训练和微调
├── 09-推理优化 → 11-前沿技术
├── 21-AI Agent与RAG
└── 22-大模型核心八股文(贯穿全程,反复复习)

第二周:量化专题 + 项目经验
├── 01~05 模型量化系列
├── 10-实际项目经验 → 20-项目经验面试指南
└── 14-行为面试BQ

第三周:CS基础
├── 12-算法与数据结构(持续刷题)
├── 15-计算机网络 → 16-操作系统 → 17-数据库
├── 18-Python面试题 / 19-Java面试题
└── 13-系统设计

🎯 学习目标

完成本教程后,你将能够:

  • ✅ 深入理解模型量化的原理和方法
  • ✅ 掌握大模型的核心理论和架构
  • ✅ 熟悉常见的面试题型和解答思路
  • ✅ 能够结合实际项目经验回答问题
  • ✅ 了解前沿技术和发展趋势
  • ✅ 自信应对AI相关面试

📖 前置知识

  • Python编程基础
  • 深度学习基础(PyTorch或TensorFlow)
  • 了解Transformer架构
  • 基本的线性代数和概率论知识

🛠️ 推荐工具

  • 深度学习框架: PyTorch, TensorFlow
  • 量化工具: bitsandbytes, GPTQ, AWQ
  • 模型库: Hugging Face Transformers
  • 面试准备: LeetCode, GitHub项目

💡 学习建议

  1. 理论结合实践
  2. 理解量化原理后动手实现
  3. 在实际模型上应用量化技术
  4. 记录实验结果和心得

  5. 系统化学习

  6. 按照学习路径循序渐进
  7. 每个章节都做笔记
  8. 定期复习巩固

  9. 模拟面试

  10. 和同学朋友互相提问
  11. 计时练习回答
  12. 录音复盘改进

  13. 项目经验积累

  14. 参与开源项目
  15. 完成个人项目
  16. 总结技术要点

📊 学习进度跟踪

使用以下表格跟踪你的学习进度:

章节 完成度 练习题 面试准备
01-模型量化基础概念
02-量化算法详解
03-量化精度损失评估
04-常见面试问题和解答
05-实际项目经验分享
06-大模型基础理论面试题
07-Transformer架构面试题
08-预训练和微调面试题
09-推理优化面试题
10-实际项目经验面试题
11-前沿技术面试题
12-算法与数据结构面试题
13-系统设计面试题
14-行为面试题BQ
15-计算机网络面试题
16-操作系统面试题
17-数据库面试题
18-Python面试题
19-Java面试题
20-项目经验面试指南
21-AI Agent与RAG面试专题
22-大模型核心八股文

🤝 社区与资源

  • GitHub: 搜索相关开源项目和代码
  • Hugging Face: 模型和工具资源
  • ArXiv: 最新研究论文
  • 知乎/掘金: 技术博客和经验分享
  • LeetCode: 算法题练习

🔗 外部学习资源

📝 面试题库网站

中文题库

英文题库

📚 技术面试准备资源

算法和数据结构

深度学习和AI

🏢 大厂面试经验分享

中文资源

英文资源

💻 算法和数据结构练习平台

在线练习

算法竞赛

🏗️ 系统设计面试资源

学习资源

实战案例

🗣️ 行为面试准备材料

STAR法则

软技能

📖 综合面试准备

面试技巧

模拟面试

📱 移动端应用

面试准备APP

  • 牛客网APP - 移动端面试准备
  • 随时刷题
  • 面试经验
  • 在线讨论

  • 力扣APP - LeetCode移动端

  • 算法刷题
  • 题解查看
  • 进度跟踪

  • Interview Prep - 面试准备工具

  • 行为面试题
  • 录音练习
  • 答案提示

📝 面试准备清单

简历准备

  • 突出相关项目经验
  • 量化技术栈和工具
  • 量化成果和指标
  • 开源贡献和博客

技术准备

  • 掌握核心概念和原理
  • 熟悉常见算法和实现
  • 了解最新技术趋势
  • 准备项目案例

软技能准备

  • 练习表达和沟通
  • 准备自我介绍
  • 模拟面试场景
  • 准备提问环节

📝 常见问题

Q: 面试中最常问的问题是什么?

A: 通常会问量化原理、算法细节、项目经验等。建议重点准备这些内容。

Q: 如何展示项目经验?

A: 使用STAR法则(Situation, Task, Action, Result)描述项目,突出量化成果。

Q: 需要掌握哪些编程语言?

A: Python是必须的,了解C++会有加分。重点掌握深度学习框架的使用。

🚀 开始学习

选择你的起点,开始学习之旅!


祝你面试成功! 🎉


最后更新日期:2026-02-12 适用版本:面试题库 v2026