2026年AI工程师秋招面试题及答案.docxVIP

2026年AI工程师秋招面试题及答案

一、单项选择题（共10题，每题2分，共20分）

1.在大规模预训练语言模型的训练过程中，以下哪种激活函数与归一化的组合最常用于降低梯度消失风险并提升训练稳定性？

A.Sigmoid+LayerNorm

B.Tanh+BatchNorm

C.GELU+RMSNorm

D.ReLU+InstanceNorm

【答案】C

【解析】Sigmoid与Tanh激活函数的导数在输入饱和区趋近于0，极易导致梯度消失，且BatchNorm在大模型的变长序列训练中表现不稳定，因此A、B选项错误。GELU激活函数是GPT、Llama等主流大模型的默认选择，其兼具ReLU的非线性与平滑性，梯度消失风险远低于Sigmoid与Tanh；RMSNorm仅对输入的根均方进行归一化，计算效率高于LayerNorm，且在大模型训练中稳定性更优，因此C选项正确。ReLU虽然能缓解梯度消失，但在大模型中容易出现神经元死亡问题，InstanceNorm多用于图像风格迁移任务，不适用于语言模型，因此D选项错误。

2.以下关于检索增强生成（RAG）系统的优化方法中，哪项不属于检索阶段的优化策略？

A.引入向量数据库的混合检索（向量+关键词）

B.对文档切片加入父子块关联结构

C.使用重排序（Reranker）模型对候选文档排序

D.对生成结果加入事实性校验模块

【答案】