美的人工智能岗位面试真题及详细答案（实战无模板版）.docxVIP

美的人工智能岗位面试真题及详细答案（实战无模板版）

一、基础技术核心题（必问）

1、简单说说梯度消失和梯度爆炸，以及你实际项目里怎么解决的？

参考答案：梯度消失和爆炸本质是深层网络反向传播时，梯度连乘导致的数值异常。层数越深，激活函数导数小于1就会不断累乘趋近于0，出现梯度消失，浅层网络学不到东西；导数大于1就会无限放大，出现梯度爆炸，参数震荡不收敛。

我在做图像检测项目时实际遇到过这个问题，落地解决主要用了四种方式，都是工业场景常用的：第一，更换激活函数，把深层网络的sigmoid换成ReLU、GELU，规避饱和区间梯度过小的问题；第二，做网络归一化，加入BN层稳定每层输出分布，避免梯度波动；第三，控制网络深度，针对家电质检这种场景，不会盲目堆层数，按需轻量化；第四，加入残差连接，用ResNet结构让梯度可以跨层传播，从根源减少消失问题。另外训练时会搭配梯度裁剪，直接限制梯度最大值，杜绝爆炸情况。

2、LoRA微调的核心原理是什么？你是自己搭建还是用开源框架，落地时有什么坑？

参考答案：LoRA核心是冻结大模型主干权重，只训练模型注意力层的低秩矩阵，不用微调全部参数，既能大幅降低显存和算力消耗，又能快速适配垂直场景，非常适合企业轻量化落地。

我平时基于开源框架二次开发，没有从零手写，核心是自己配置微调策略。落地过程中踩过两个实用的坑：一是秩的大小不好把控，秩太小拟合不足，家电场