▰AI 求职面经库

AI · CAREERS · INTERVIEW — 2026

从职业图谱到面试题库，
一座写给 AI 求职者的结构化资料库。

系统梳理 AI 相关 8 大核心岗位与 7 大面试知识模块，为求职者提供结构化、可检索的真实面经资料。 所有内容整理自公开面经与开源仓库，按岗位与知识模块双向组织，均标注出处。

浏览职业图谱 →进入面试题库
8
核心岗位
67
面试题目
7
知识模块
3
岗位族

01

三大岗位族

AI 职业按职能归为三族：深耕算法内核、推动工程落地、桥接技术与商业。

ALGORITHM3 岗

算法研究族

深耕模型与算法内核，薪资天花板最高的一族。

查看岗位 →
ENGINEERING4 岗

工程应用族

把大模型从实验室推向生产落地，2026 最紧俏的工程力量。

查看岗位 →
PRODUCT1 岗

产品业务族

在技术与商业之间架桥，懂模型也懂用户的一族。

查看岗位 →

02

七大面试模块

由浅入深的知识体系：从基础理论到前沿专题，再到传统算法根基。

01

基础理论

主流开源模型、Transformer、注意力机制等根基考点。

02

训练与微调

SFT/RLHF/DPO、LoRA、显存估算、知识注入。

03

推理与部署

vLLM、量化压缩、KV Cache、推理加速。

04

RAG 检索增强

检索-生成流程、向量库、召回优化。

05

Agent 智能体

框架设计、工具调用、记忆与多 Agent 协作。

06

前沿专题

MoE、多模态、推理模型、长上下文。

07

传统算法

机器学习/深度学习八股，面试根基。

03

精选题目

从题库中精选六道，覆盖基础、训练、推理、RAG、Agent 与前沿。

基础理论中等

主流开源大模型体系有哪些？prefix LM 与 causal LM 的区别？

#开源模型生态#架构范式#注意力掩码
基础理论中等

Transformer 的注意力机制原理？Self-Attention 如何计算？

#Self-Attention#Q/K/V 计算#多头注意力
基础理论中等

什么是大模型的涌现能力？成因是什么？

#涌现能力#规模定律#评估指标
训练与微调困难

全参数微调需要多少显存？如何估算？

#显存估算#优化器状态#混合精度
训练与微调中等

LoRA 的原理是什么？为什么能省显存？

#低秩适配#参数高效微调#显存优化
训练与微调困难

SFT、RLHF、DPO 三者的区别与联系？

#监督微调#人类反馈强化学习#直接偏好优化