LLM 与 GenAI 基础是 Salesforce 前沿部署工程师面试流程的核心部分。Token、上下文窗口、提示工程 vs RAG vs 微调、幻觉、评测、成本与延迟：这是每个 AI 原生 FDE 面试流程最先考察的概念核心。以下是需要准备的 LLM 与 GenAI 基础问题，先是标记为 Salesforce 的问题，然后是我们 LLM 与 GenAI 基础赛道 中信号值最高的问题，每个答案都按资深工程师的标准撰写。

SALESFORCE 在这里看重什么 · 面向客户的岗位会额外增加解决方案演示 / 展示环节。查看完整的 Salesforce 面试流程 →

标记为 Salesforce 的 LLM 与 GenAI 基础问题

更多针对 Salesforce 面试流程的 LLM 与 GenAI 基础问题

候选人认为最有用、信号值最高的 LLM 与 GenAI 基础问题，参照 Salesforce 前沿部署工程师面试流程所考察的内容设计。

Salesforce LLM 与 GenAI 基础轮次背后的概念

这些问题所假设的术语和思维模型。基础部分免费开放；更深入、决定面试成败的理念属于付费内容。

基础Token化与 Token语言模型并不读取字符或单词。它读取的是 token：由分词器产生的子词片段，每个片段映射为一个模型嵌入的整数。Token 是上下文窗口和计费的单位，而文本被切分成 token 的方式解释了大量模型怪癖，这也是几乎每个面试流程都从这里开始的原因。

基础上下文窗口上下文窗口是语言模型一次能够关注的固定 token 数量，输入和输出共享同一预算。理解它，正是能够合理设计提示规模、控制成本与延迟、并判断何时该使用 RAG 的工程师，与那些只是把所有内容一股脑粘贴进去然后祈祷的工程师之间的分水岭。

基础嵌入与向量表示嵌入将一段文本转换为一组数字，其位置安排使得含义相近的文本在空间中彼此靠近，从而让你可以按语义而非关键词进行搜索。嵌入是 RAG、语义搜索、聚类和去重背后的引擎，因此 FDE 面试流程期望你能解释余弦相似度，以及那些会悄悄破坏向量索引的陷阱。

基础Transformer 的直观理解Transformer 是所有现代大语言模型背后的架构，建立在自注意力机制之上，让每个 token 可以并行地关注其他所有 token。FDE 面试流程不要求数学推导；他们希望你用高管或同事都能听懂的通俗语言，解释注意力机制为何胜过 RNN、decoder-only 意味着什么，以及为什么长上下文代价高昂。

核心登录注意力与自注意力注意力机制计算价值向量的加权和，权重取决于每个 token 的 query 与其他所有 token 的 key 的匹配程度。自注意力在单个序列内应用这一机制，使每个 token 都能从其他所有 token 中获取信息，而这种全对比较正是计算成本随序列长度平方增长的原因。FDE 循环会考察它，因为它用一个思维模型解释了上下文限制、延迟和 KV 缓存。

核心登录RoPE 与位置编码自注意力本身没有内置的词序概念，因此 transformer 会将位置信息注入 token 向量。旋转位置编码（RoPE）按与位置相关的角度旋转 query 和 key 向量，使相对位置自然体现在点积中，这就是 RoPE 几乎支撑所有长上下文模型的原因，也是扩展上下文窗口意味着要重新缩放 RoPE 的原因。

基础Temperature、Top-p 与采样在每一步，模型都会为每个可能的下一个 token 输出一个概率分布，而 temperature、top-p 和 top-k 等采样设置决定了如何将这个分布转化为实际的选择。FDE 循环会测试这一点，因为它控制着确定性与创造性之间的旋钮：知道何时为信息抽取设置低值、为头脑风暴设置高值，以及为什么同一个提示给出不同答案是预期行为而非 bug。

高级🔒 PremiumLoRA 与参数高效微调全量微调会更新模型中的每一个权重，训练成本高昂，且每个任务都会产生一个完整大小的 checkpoint。LoRA 冻结基础模型，转而训练小型低秩适配矩阵，从而得到可交换的微型 checkpoint；QLoRA 进一步加入量化的冻结基础模型，使整个方案能在单张 GPU 上运行。FDE 循环会考察它，因为这是在客户数据上适配模型、同时不撑爆客户预算或硬件的方法。

Salesforce 的前沿部署工程师循环会提出 llm 与 genai 基础问题，例如“在构建 AI Agent 时，你如何定义 MVP 并保证行为可预测？"、“客户想用 Jev 替换他们的 LLM 工单分类器以降低成本。会有哪些变化，切换前你需要验证什么？"、“请描述 LLM 生成响应时实际发生了什么。"。Token、上下文窗口、提示词 vs RAG vs 微调、幻觉、评测、成本与延迟：这是每个 AI 原生 FDE 循环首先考察的概念核心。完整题集按由易到难排序并附专家答案，见下文。

按顺序练习本页的 llm 与 genai 基础问题，学习下方链接的底层概念，然后查看 Salesforce 的完整面试流程，了解这一轮在循环中的位置。针对 Salesforce，面试官的侧重点如下：面向客户的岗位会增加解决方案演示/展示环节。

Salesforce 并不广泛使用前沿部署这一头衔，但它会招聘 AI、Agentforce 和解决方案工程师，为企业客户部署 GenAI 和 AI Agent。其运作模式是在自身平台内开展应用 AI。

预期流程包括初筛、编程测评、关于系统架构和 AI Agent 的设计轮，以及招聘经理和管理层轮。面试官会把你的项目映射到 Salesforce 的多租户 SaaS 和数据治理场景中。

Salesforce 的其他面试轮次

Salesforce 前沿部署工程师面试流程所考察的其他方向。

备考完整的 Salesforce 前沿部署工程师面试流程

LLM 与 GenAI 基础只是其中一轮。升级 Premium，解锁 Salesforce 完整面试流程的所有答案。每个方向都有免费题目，让你先体验内容深度。

所有答案、概念与课程、所有论文解析、全部已发布视频课、动手实践的 FDE Lab 任务、Premium PDF 指南及配套文件、完整模拟题库以及工作样本下载。Referral Premium 不包含指南 PDF 及其配套文件。

6 个月 · 一次付费 · 不自动续订

配合免费视频课一起学习。

独立运营，与 Salesforce 无关联。所有商标归其所有者所有。