是时候准备面试和实习了。

不同以往的是，当前职场环境已不再是那个双向奔赴时代了。求职者在变多，HC 在变少，岗位要求还更高了。

最近，我们又陆续整理了很多大厂的面试题，帮助一些球友解惑答疑，分享技术面试中的那些弯弯绕绕。

• 《大模型面试宝典》(2026版) 正式发布！

喜欢本文记得收藏、关注、点赞。

岗位：京东-算法工程师（大模型方向）

工作地点：北京/上海

bg:末尾985硕

薪资

京东校招算法岗采用20 薪结构，年包按照级别浮动比较大：

• 本科（白菜）：18–21K / 月 → 年固定：21.6–25.2 万
• 硕士（白菜）：21–24K / 月 → 年固定：25.2–28.8 万
• 硕士（SP）：25–28K / 月 → 年固定：30–33.6 万
• 硕士（SSP / 大模型）：29–33K / 月 → 年固定：34.8–39.6 万
• 博士（TGT / 顶尖计划）：40–60K / 月 → 年固定：48–72 万

一面

0. 自我介绍
1. 请简述大模型微调（Fine-tuning）的核心思路，对比全参数微调、LoRA、QLoRA等微调方法的优缺点，以及你在项目中选择某种微调方法的依据和实践效果。
2. 大模型的上下文窗口长度对模型性能有什么影响？如何突破上下文窗口的限制，提升模型对长文本的处理能力？
3. 请解释大模型的对齐（Alignment）技术（如RLHF、RLAIF），说明其核心目的和实现流程，你在项目中是否有相关实践？
4. 京东大模型涉及商品理解、图像/视频生成等场景，请说明你对这些场景中核心技术（如图像/文本跨模态建模、商品语义抽取）的理解，以及相关技术的难点和解决方案。
5. 大模型推理过程中，如何提升推理速度和降低显存占用？请说明你使用过的优化技术（如量化、剪枝、推理加速框架）及实践效果。
6. 京东大模型需要处理亿量级数据，请说明你在项目中是如何处理大规模数据（数据清洗、预处理、高效加载）的？遇到过哪些问题，如何解决的？
7. 请描述一个你参与的大模型工程化落地项目，包括模型训练、推理部署的完整流程，如何保证系统的稳定性、高可用性和可扩展性？
8. 在大模型部署过程中，如何处理高并发请求？你使用过哪些部署工具（如TensorRT、vLLM），请说明其核心原理和使用体验。
9. 如果大模型在业务场景中出现性能下降（如生成质量变差、推理延迟升高），你会如何排查和解决问题？
10. 在你的大模型相关项目中，你有哪些创新点（如算法改进、模型优化、场景创新等）？请详细说明创新思路、实现过程和最终效果。
11. 结合你做过的大模型项目，说明你是如何将大模型与具体业务场景（如推荐、检索、语义理解等）结合的？
12. 题目：二叉树的层序遍历（LeetCode 102）。要求：给定一个二叉树，返回其按层序遍历得到的节点值（即逐层地，从左到右访问所有节点），请用你熟悉的编程语言实现，并说明时间复杂度和空间复杂度。

二面

1. 在你的项目中，你认为那个项目最能体现你的付出和能力的，请详细介绍
2. 你在项目中用过哪些大模型推理优化工具？
3. 请对比RLHF、RLAIF、DPO、IPO、KTO的核心原理、训练流程、优缺点，以及电商场景选型建议。
4. 大模型强化学习中，奖励函数如何设计？针对京东商品对话/推荐场景，你会如何构建高质量奖励信号？
5. 强化学习训练大模型时常见不稳定性、模式崩溃问题，你有哪些解决策略？
6. 离线强化学习（Offline RL）如何应用于大模型？适合京东的哪些业务场景？
7. 面向京东电商场景（商品咨询、订单处理、退货咨询、多轮检索），你会如何设计一个专属智能体？包含工具、记忆、规划模块。
8. 大模型智能体的工具调用（Tool Use）原理是什么？如何提升工具调用成功率与准确率？
9. 智能体的长期记忆、短期记忆如何设计？海量用户对话场景下如何高效存储与检索记忆？
10. 多智能体协作（Multi-Agent）在电商生态中的应用价值是什么？可能的落地方向有哪些？
11. 大模型位置编码（RoPE、ALiBi）的核心原理与长文本建模优劣对比。
12. 请说明MoE架构的核心设计、训练难点，以及在京东亿级数据场景的价值。
13. 大模型幻觉（Hallucination）产生的原因，在电商商品场景如何系统性抑制？
14. 面向京东高并发场景，大模型+智能体服务如何做到低延迟、高吞吐、
15. 模型监控中，你会关注哪些核心指标？
16. 如何用大模型智能体提升京东生成式推荐、商品理解的效果？你有那些思路。
17. 题目：合并K个升序链表，给你一个链表数组，每个链表都已经按升序排列。请你将所有链表合并到一个升序链表中，返回合并后的链表。要求：最优解法实现，说明复杂度。