2026年人工智能岗位招聘笔试题与参考答案(某世界500强集团).docx

2026年人工智能岗位招聘笔试题与参考答案(某世界500强集团)

一、单项选择题（共10题，每题3分，总计30分）

1.在大语言模型对齐训练中，下列哪种技术核心是通过训练奖励模型对生成结果排序，再通过强化学习优化模型策略以匹配人类偏好？

A.监督微调（SFT）B.基于人类反馈的强化学习（RLHF）C.检索增强生成（RAG）D.低秩适配（LoRA）

参考答案：B。解析：SFT为人工标注数据上的监督学习阶段；RAG为外挂知识库的生成增强技术；LoRA为参数高效微调技术，仅RLHF通过奖励模型+PPO等强化学习算法实现人类偏好对齐。

2.某工业视觉缺陷检测场景中，正负样本比例为1:99