用大模型做文本分类时，如何保证输出只落在预定义标签集合内？
围绕“用大模型做文本分类时，如何保证输出只落在预定义标签集合内”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要比较提示枚举、工具调用与受限采样在标签封闭性上的保障强度。
核心关键词文本分类 枚举输出 约束解码
面试知识索引 · 分类、标签与搜索
5000 道程序员面试题，每题都有完整答案
程序员面试题库第 13 页，收录第 601–650 题，共 5000 道完整解析，覆盖前端、JavaScript、React、Vue、Node.js、AI Agent、网络、数据库与系统设计。
5,000完整问题
52技术分类
178检索标签
100索引分页
快速定位
分类、标签与关键词搜索
技术分类52 个
全部分类5000AI Agent511浏览器301JavaScript285React281AI 开发262CSS240Node.js217TypeScript206Vue180前端工程化138React Native135
查看全部 52 个分类
热门标签178 个
查看其余 163 个标签
测试109数据库事务95实时通信92Web 可访问性90动画79可观测性77Agent 记忆75向量检索66工具调用66LangGraph59Prompt56任务规划53排障与运维53数据库索引52浏览器自动化51Flexbox50值与类型50GraphQL49事务与并发49构建与镜像49DNS 与 TLS48工程协作与交付48AI 评测47CSS Grid47Express 服务47MCP47副作用与同步47向量与嵌入47文件与多媒体47流与二进制47传输与协议46列表与性能46可维护代码46响应式原理46容器运行46指标日志追踪46数据建模与运维46文件与 I/O46表单与输入46MCP 协议45RAG45Vite 与模块构建45Webpack45内存与虚拟化45原生集成45多 Agent45工作负载与发布45应用与性能45数据处理45模块与工具链45组件与模板45缓存与数据结构45网络与运维45评估与调试45身份认证与授权45运行时与开发45Web 系统方案44一致性与容错44侦听与生命周期44分布式使用44原生组件与交互44可访问交互44消息与异步处理44渲染与调度44索引与执行计划44组件设计44缓存与代理44进程与并发44层叠与选择器43攻击面与防御43文档数据库43权限与安全43离线与渐进增强43语义与文档43请求与通信 API43Worker 与线程协作42事件系统42存储与离线数据42服务架构42服务端与流式渲染42服务端工程42泛型设计42版本控制42类型收窄42类型运算42组件与端到端42编码与执行42进程与线程42DOM 与文档操作41Flex 布局41HTTP 语义41NestJS 架构41REST 与接口契约41SQL 查询41加载与交互性能41动画与视觉41类型工程41记忆与状态41运行时与调度41Agent 架构40WebAssembly 集成40单元与集成测试40多 Agent 协作40工作流编排40模块与语言机制40浏览器与 UI 自动化40生产运行40函数与作用域39响应式设计39性能与并发39类型系统基础39Grid 布局38数组与集合38盒模型与排版38Hooks 与复用37应用开发37推理与成本37状态共享37知识库数据37模型与应用评测36对象与原型35状态与渲染35语言与并发35异步与 Promise34Effect32RAG 检索31React 性能31响应式与性能31微调与数据31TanStack Query30全栈边界30数据与缓存30大模型基础29路由与数据流29事件循环28流式交互28提示与上下文设计27数据与服务端27组件与依赖注入27组件与响应式27多模态应用24应用与渲染24Hydration22沙箱安全22状态管理18算法18CI/CD13语言与运行时10React Server Components6搜索与排序4实用函数实现3链表栈队列3图算法2字符串算法2树与遍历2索引与高级结构2Kubernetes1作用域与函数1动态规划1异步与浏览器1手写与交互性能1数组与双指针1相等比较1
第 13 页
本页面试问题
按稳定语义路径排序
- 0601
- 0602
少样本提示（few-shot）为什么能在不更新权重的情况下改变模型行为？
围绕“少样本提示（few-shot）为什么能在不更新权重的情况下改变模型行为”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖解释示例作为条件分布引导的机制与示例选择的敏感性。
核心关键词少样本学习 上下文学习 无需更新权重 - 0603
什么是大模型幻觉，事实性幻觉和指令遵循失败是一回事吗？
围绕“什么是大模型幻觉，事实性幻觉和指令遵循失败是一回事吗”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖区分与训练数据冲突的事实错误和无中生有，界定幻觉与通用错误的边界。
核心关键词LLM hallucination 幻觉 类型 - 0604
如何通过多次采样或自我一致性检查来发现大模型的幻觉输出？
围绕“如何通过多次采样或自我一致性检查来发现大模型的幻觉输出”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明输出不一致作为不确定性信号的用法与局限。
核心关键词幻觉检测 self-consistency 多次采样 - 0605
大模型输出的 JSON 解析失败时，工程上有哪些修复与容错策略？
围绕“大模型输出的 JSON 解析失败时，工程上有哪些修复与容错策略”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖列举截断补全、错误反馈重试、schema 重生成等策略的适用条件。
核心关键词JSON 解析失败 工程修复 重试策略 - 0606
大模型的知识截止日期对回答时效性问题意味着什么？
围绕“大模型的知识截止日期对回答时效性问题意味着什么”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明模型对截止后事件无记忆的含义及工程上补充时效信息的方式。
核心关键词知识截止 时效性 问答边界 - 0607
大模型输出的 logits 是什么，如何从中解读模型对每个 token 的置信程度？
logits 是对词表各 token 的未归一化得分，通过 softmax 转为概率，logprob 即其自然对数。本文从机制说明如何阅读单个 token logprob 并用于低置信度拦截，指出概率高不等于正确，不同模型与 temperature 下不可直接比较。
核心关键词LLM logits logprobs 置信度 - 0608
为什么大模型在长上下文中间位置的信息容易被忽略（lost in the middle）？
本文解释lost in the middle现象的机制，即位置偏置导致中间信息召回下降，并通过一个RAG场景展示对策：将关键证据前置或后置，同时给出边界如超长多跳和指令冲突时的局限。
核心关键词长上下文 中间信息丢失 lost in the middle - 0609
max_tokens 参数控制的是什么，设置过小会导致什么问题？
本题解释 max_tokens 参数如何控制输出长度，指出当输出达到上限时会被强制截断，stop_reason 返回 max_tokens 而非自然终止。通过具体场景说明截断导致 JSON 解析失败，并给出识别和处理方法，帮助开发者避免因参数过小引发应用错误。
核心关键词max_tokens 最大输出长度 截断 - 0610
为什么默认的大模型 API 调用不能访问实时网页、文件或执行动作？
围绕“为什么默认的大模型 API 调用不能访问实时网页、文件或执行动作”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖澄清纯文本补全接口的无工具、无状态本质，区分模型能力与外挂系统能力。
核心关键词LLM 能力边界 无法联网 无状态 - 0611
为什么说大语言模型的本质是下一个 token 预测，概率是如何计算的？
本题解释自回归生成中“下一个 token 预测”的机制：输入序列经 Transformer 后得到隐状态，经线性层产生 logits，再由 softmax 归一化为每个 token 的条件概率。结合具体解码场景说明如何选择 token，并指出采样策略、温度等都会改变最终输出但不改变基础概率的生成逻辑。
核心关键词next token prediction 生成概率 softmax - 0612
提示词越长效果越好吗，长提示的成本与收益如何权衡？
围绕“提示词越长效果越好吗，长提示的成本与收益如何权衡”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明冗余提示的边际收益递减与 token 成本累积，给出精简准则。
核心关键词提示词长度 成本与收益 权衡 - 0613
在提示词层面有哪些被验证有效的降低幻觉的手段？
围绕“在提示词层面有哪些被验证有效的降低幻觉的手段”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明提供依据材料、允许回答不知道、要求引用原文等技巧及其原理。
核心关键词减少幻觉 提示词 引用资料 允许拒答 - 0614
为什么大模型有时会拒绝完全合理的请求，如何在应用中处理误拒？
围绕“为什么大模型有时会拒绝完全合理的请求，如何在应用中处理误拒”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明安全训练导致的过度拒绝现象及改写提示与降级方案。
核心关键词LLM 误拒 over-refusal 处理 - 0615
大模型生成时出现重复循环（重复同一句子）是什么原因，如何缓解？
围绕“大模型生成时出现重复循环（重复同一句子）是什么原因，如何缓解”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖从解码策略与概率反馈角度解释重复成因并给出惩罚与采样调整手段。
核心关键词LLM 生成重复 repetition penalty - 0616
大模型 API 中的 stop sequences 有什么作用，使用不当会引发什么问题？
围绕“大模型 API 中的 stop sequences 有什么作用，使用不当会引发什么问题”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明停止序列在结构化与多轮生成中的截断控制及遗漏导致的串话问题。
核心关键词stop sequences 停止序列 用法与陷阱 - 0617
如何让大模型稳定输出合法 JSON，JSON 模式与约束解码有何区别？
围绕“如何让大模型稳定输出合法 JSON，JSON 模式与约束解码有何区别”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要对比提示约束、schema 校验重试与语法约束解码的可靠性层级。
核心关键词LLM JSON 模式 输出约束 解码 - 0618
什么是大模型的谄媚（sycophancy）倾向，为什么在提示中暗示答案会扭曲输出？
围绕“什么是大模型的谄媚（sycophancy）倾向，为什么在提示中暗示答案会扭曲输出”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明模型迎合用户立场导致评估与问答失真及中立提问的对策。
核心关键词LLM 谄媚倾向 提示暗示 影响 - 0619
大模型采样参数 temperature 如何影响生成文本的分布？
本文解释温度如何调节 softmax 分布，对比低温与高温的生成效果，并给出具体工程场景与失效边界。
核心关键词LLM temperature 采样 参数 - 0620
为什么用字符数估算大模型的 token 消耗会不准确？
围绕“为什么用字符数估算大模型的 token 消耗会不准确”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明中英文、代码、标点在不同分词器下的 token 比例差异及估算误差的实际影响。
核心关键词token 数量 估算 字符数 中英文 - 0621
大语言模型中的 token 化（如 BPE 分词）是如何把文本转成模型输入的？
本文解释 BPE 子词切分的动机、步骤和 OOV 处理方式，用一个具体场景说明 token 序列如何生成，并讨论字节级 BPE 与多语言下的边界。
核心关键词LLM tokenization BPE 分词 - 0622
大模型的工具调用（function calling）为什么比普通文本输出更可靠地产生结构化结果？
围绕“大模型的工具调用（function calling）为什么比普通文本输出更可靠地产生结构化结果”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明工具调用以 schema 约束参数生成的机制优势。
核心关键词工具调用 结构化输出 可靠性 - 0623
什么是 top-p（核采样），它和 top-k 采样有什么区别？
解释top-p（核采样）与top-k在候选集选择上的核心差异：top-p按累计概率动态截断，top-k固定数量。给出各自失效边界，并说明二者常被同时使用。
核心关键词top-p 核采样 与 top-k 区别 - 0624
如何在回声环境中有效抑制音频信号中的重复回响？
围绕“如何在回声环境中有效抑制音频信号中的重复回响”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明使用自适应滤波器（如LMS）或基于深度学习的回声消除模型（如DNN-EchoCancel）。
核心关键词音频回声抑制 回响消除 信号处理 - 0625
音频嵌入在长时间段上如何保持上下文连贯性？
围绕“音频嵌入在长时间段上如何保持上下文连贯性”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明使用基于自回归的上下文扩展机制（如Transformer with memory bank）。
核心关键词音频嵌入 时间连贯性 长序列建模 - 0626
如何从音频中判断情绪状态并将其用于多模态情感分析？
围绕“如何从音频中判断情绪状态并将其用于多模态情感分析”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明使用专门的情绪识别模型（如CREMA-D训练）输出情绪标签，不泛化至语音内容理解。
核心关键词音频情绪分类 情感分析 多模态融合 - 0627
如何在连续语音中准确定位句子或短语的边界？
围绕“如何在连续语音中准确定位句子或短语的边界”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明使用端点检测（VAD）结合语言模型预测边界，不依赖人工标注。
核心关键词语音边界检测 语句分隔 语音切分 - 0628
在混合语音环境中，如何准确分割出说话人对应的音频片段？
围绕“在混合语音环境中，如何准确分割出说话人对应的音频片段”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明使用基于深度聚类的说话人分离模型（如SPEAKERCLUSTER），不泛化至语音识别或情感分析。
核心关键词音频分割 说话人分离 语音增强 - 0629
如何自动检测一段音视频内容是否存在唇语与声音不同步的问题？
围绕“如何自动检测一段音视频内容是否存在唇语与声音不同步的问题”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明使用唇部运动与声波波形的跨模态相关性分析。
核心关键词音视频同步检测 唇语对齐 同步验证 - 0630
如何检测一段音频是否为语音克隆伪造？
围绕“如何检测一段音频是否为语音克隆伪造”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明使用生物特征差异分析（如声纹不一致）或对抗性检测器。
核心关键词语音克隆检测 音频伪造 语音真实性 - 0631
如何在多模态模型中实现图像与音频的跨模态特征融合？
围绕“如何在多模态模型中实现图像与音频的跨模态特征融合”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明具体融合机制（如交叉注意力或拼接）及为何选择该方式。
核心关键词多模态融合 图像 音频 特征对齐 - 0632
如何在多模态系统中准确去除图像背景以聚焦主体？
围绕“如何在多模态系统中准确去除图像背景以聚焦主体”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明使用基于深度学习的前景分割模型（如Mask R-CNN）输出二值掩码，不依赖手动标注。
核心关键词图像背景移除 主体分割 实例分割 - 0633
当图像存在多重合理描述时，如何设计生成策略以避免单一输出偏差？
围绕“当图像存在多重合理描述时，如何设计生成策略以避免单一输出偏差”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明使用束搜索+多样性惩罚或Top-k + temperature组合采样。
核心关键词图像描述 多样性生成 模型采样策略 - 0634
如何在多帧图像中保持颜色一致性以避免视觉跳跃？
围绕“如何在多帧图像中保持颜色一致性以避免视觉跳跃”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明使用白平衡自适应算法或色彩空间归一化，不依赖后期调色。
核心关键词图像颜色一致性 色温校正 视觉稳定 - 0635
图像嵌入表示在高分辨率输入下的表现为何可能退化？如何缓解？
围绕“图像嵌入表示在高分辨率输入下的表现为何可能退化？如何缓解”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须指出因局部感受野不足导致语义模糊，并建议使用多尺度嵌入融合策略，不提训练数据增强。
核心关键词图像嵌入 高分辨率 表示退化 - 0636
当图像与文本描述矛盾时，如何让模型识别并拒绝错误陈述？
围绕“当图像与文本描述矛盾时，如何让模型识别并拒绝错误陈述”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明使用对比学习机制判断图文匹配度，不泛化至生成纠正答案。
核心关键词图像文本矛盾 一致性检测 模型纠错 - 0637
如何高效处理大量文档的批量OCR请求？
围绕“如何高效处理大量文档的批量OCR请求”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明使用批处理队列与GPU资源动态分配。
核心关键词OCR 批量处理 并行优化 任务调度 - 0638
如何使OCR系统理解文档的版式结构（如表格、标题、段落）？
围绕“如何使OCR系统理解文档的版式结构（如表格、标题、段落）”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明使用布局感知模型（如LayoutLMv3）进行联合建模，不单独处理每行文字。
核心关键词OCR 版式理解 表格识别 段落结构 - 0639
如何保证在旋转或倾斜图像中，OCR输出仍保持原始文本几何关系？
围绕“如何保证在旋转或倾斜图像中，OCR输出仍保持原始文本几何关系”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明使用仿射变换预处理或端到端布局感知模型（如LayoutLM），不依赖后处理修复。
核心关键词OCR 几何保持 旋转校正 文本布局 - 0640
在图像中检测非结构化文本区域时，应采用何种技术方案以应对复杂背景干扰？
围绕“在图像中检测非结构化文本区域时，应采用何种技术方案以应对复杂背景干扰”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明使用端到端检测模型（如OCR with DETR）而非传统边缘检测，并解释其鲁棒性优势。
核心关键词OCR 文本检测 复杂背景 不规则文本 - 0641
如何处理包含多种编码格式的文本输入以确保一致性？
围绕“如何处理包含多种编码格式的文本输入以确保一致性”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明在后处理阶段执行标准化（如NFKC）。
核心关键词OCR Unicode 正常化 编码统一 - 0642
面对输入尺寸限制，如何优化图像或视频的预处理流程以最小化信息损失？
围绕“面对输入尺寸限制，如何优化图像或视频的预处理流程以最小化信息损失”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须提出分块编码或自适应缩放策略，而非简单裁剪或下采样，强调保持关键区域完整性。
核心关键词输入大小限制 图像压缩 视频降维 - 0643
当音频与视频流的时间戳不同步时，如何通过语义内容实现精准对齐？
本题解释如何用语义嵌入与动态时间规整解决音视频时间戳不同步。具体方法包括嵌入提取、相似度矩阵构建、DTW路径寻优，以及适用条件和失败边界。
核心关键词时间对齐 语义对齐 音视频同步 - 0644
在视频编码阶段如何选择压缩参数以维持多模态任务的判别能力？
围绕“在视频编码阶段如何选择压缩参数以维持多模态任务的判别能力”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明基于感知重要性调整量化等级，优先保留运动区域与纹理细节。
核心关键词视频编码 压缩参数 判别力保持 - 0645
处理长视频输入时，如何设计合理的帧采样策略以平衡性能与信息保留？
围绕“处理长视频输入时，如何设计合理的帧采样策略以平衡性能与信息保留”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖回答需要围绕必须基于时间冗余性提出采样方法（如均匀、关键帧），并解释其对下游任务的影响，不泛化至音频采样。
核心关键词视频输入 帧采样 策略 时间分辨率 - 0646
如何利用前几帧预测视频后续动作趋势，且避免过度拟合短期运动？
围绕“如何利用前几帧预测视频后续动作趋势，且避免过度拟合短期运动”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明使用因果注意力机制结合循环结构（如ConvLSTM）。
核心关键词视频动作预测 运动建模 长期依赖 - 0647
如何在低光照或热成像条件下提升视频理解能力？
围绕“如何在低光照或热成像条件下提升视频理解能力”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明使用多模态融合（可见光+热红外）进行互补特征提取。
核心关键词热成像 视频理解 低光条件 - 0648
按月调用量增长时，API 计费与自建 GPU 推理的成本交叉点如何计算，需要考虑哪些隐性成本？
围绕“按月调用量增长时，API 计费与自建 GPU 推理的成本交叉点如何计算，需要考虑哪些隐性成本”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须给出含利用率、运维与闲置成本的盈亏平衡计算框架。
核心关键词API vs self-hosted LLM break-even cost analysis - 0649
LLM 推理服务中动态批处理（continuous batching）如何同时改善吞吐与延迟，什么时候反而会伤害尾延迟？
围绕“LLM 推理服务中动态批处理（continuous batching）如何同时改善吞吐与延迟，什么时候反而会伤害尾延”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要明确批大小、调度粒度与 P99 延迟之间的取舍判断。
核心关键词连续批处理优化吞吐与延迟的边界条件 - 0650
上线 prompt caching 后应监控哪些指标来确认缓存真的在省钱，命中率下降如何归因？
围绕“上线 prompt caching 后应监控哪些指标来确认缓存真的在省钱，命中率下降如何归因”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须给出缓存成本收益监控口径与命中率下降的归因路径。
核心关键词prompt cache hit rate monitoring attribution