大厂真题 / 阿里

阿里 8.15 笔试真题 - Agent 岗

本场考试概述

考试时间：2026 年 8 月 15 日

考试岗位：Agent 岗

考试时长：100 分钟

已知卷面结构：通用技术单选 8 道、通用技术多选 9 道；方向卷从计算机视觉、自然语言处理、推荐与信息检索、运筹、语音处理中五选一；另有 1 道 AI Coding 题。

本文收录范围：本文整理16道已披露题目，包括通用单选 6 道、通用多选 6 道、自然语言处理方向单选 2 道、自然语言处理方向多选 2 道。题号按本文顺序重新编排，并非完整试卷题号。由于 AI Coding 题的可靠题面未披露，本文不补写、不猜测该题内容。

多选题计分规则：错选不得分，少选得该题三分之一分。作答时应优先确认必选项，不要凭感觉扩大答案集合。

这组题并不只考概念记忆。大量题目给出工程现象，要求判断问题位于检索、生成、预填充、解码或评测设计中的哪一环。复习时应把“指标或症状—可能原因—验证方法—改进手段”串联起来。

考点分布

部分题目同时覆盖多个知识点，表中按主要考查方向归类。

一、通用技术 · 单选题（6 道）

1. AVL 树旋转

将 30、20、40、10、25、22 依次插入一棵初始为空的 AVL 树。完成全部必要的旋转后，最终根节点的值是多少？

A. 20
B. 22
C. 25
D. 30

答案：C

考点：数据结构、AVL 树、LR 双旋

解析：插入 22 后，节点 30 左高右低，且新节点位于其左孩子 20 的右子树中，构成 LR 型失衡。先对 20 左旋，再对 30 右旋，最终根节点为 25。

2. 配对数据的 Bootstrap

使用同一批用户的曝光日志比较模型 A 和模型 B。每个用户可能产生多次曝光，现需估计两个模型指标差的置信区间。以下哪种重采样方式更合适？

A. 将每次曝光视为独立样本，分别重采样 A、B 结果后比较指标均值
B. 按用户成组重采样，并在每次抽样后重算 A、B 指标差
C. 将用户随机分成两半，一半只计算 A，另一半只计算 B，再比较指标
D. 保留全部曝光不重采样，按曝光数直接使用独立同分布的正态近似

答案：B

考点：概率统计、Cluster Bootstrap、配对实验

解析：同一用户的多次曝光存在组内相关性，A、B 又作用于同一批用户。以用户为单位成组抽样可以保留相关结构；每次直接计算配对差值，则能利用共同用户带来的方差抵消。按曝光独立抽样会虚增有效样本量并低估不确定性。

3. 温度采样

大语言模型生成文本时，保持各词元的 logits 不变且最高得分词元唯一，将采样温度由 1 调整为 0.5。以下说法正确的是？

A. 分布更集中，最高分词元概率上升，最高分词元不变
B. 分布更平坦，低分词元概率上升，最高分词元不变
C. 各词元概率按相同比例减半，归一化后的结果保持不变
D. 只有生成速度降低，词元概率分布和采样结果均不会变化

答案：A

考点：大模型生成、Softmax、温度参数

解析：采样概率满足 $p_i\propto\exp(z_i/T)$。温度从 1 降到 0.5，相当于放大 logits 之间的差距，概率分布会更尖锐；正比例缩放不改变 logits 排序，因此唯一的最高分词元不变，但其概率会上升。

4. RoPE 长上下文扩展

一个使用旋转位置编码（RoPE）的模型从 8K 上下文扩展到 64K。直接使用原训练配置后，短文本表现基本不变，但长文本中相隔很远的 token 更容易出现位置关系混淆。以下判断最严谨的是？

A. 保持位置频率不变，重点增加解码并行度与批处理规模以改善长距离位置关系
B. 比较不同 RoPE 缩放配置在长上下文和远距离依赖上的表现，必要时补充长上下文训练
C. 扩大 KV Cache 容量后，主要用短文本基准确认上下文扩展是否成功
D. 保持原 RoPE 配置，将超过 8K 的位置编号映射回已有位置区间进行复用

答案：B

考点：位置编码、RoPE 缩放、长上下文外推

解析：问题出现在训练长度之外的相对位置建模，应比较位置插值、频率缩放等方案，并用真正覆盖长距离依赖的任务验收，必要时加入长上下文继续训练。并行度和 KV Cache 容量解决的是性能或容量问题，不能修复位置表示；复用位置编号还会直接造成位置冲突。

5. 无位置编码时的注意力性质

不加入位置编码时，若重新排列输入的 token，关于编码器中的全连接自注意力与解码器中的因果自注意力，下列判断正确的是？

A. 两者均为置换不变，重排输入不会改变输出内容
B. 前者不保持置换等变，后者仍会随输入同步重排
C. 前者保持置换等变，后者通常不保持这一性质
D. 两者均保持置换等变，因果掩码不会改变这一性质

答案：C

考点：Transformer、自注意力、置换等变性

解析：不带位置编码的全连接自注意力对输入置换是等变的：输入怎样重排，输出就对应重排。因果掩码则按位置规定可见前缀，重排 token 后可见集合发生变化，因此通常不再保持同样的置换等变性。注意“等变”不等于输出完全不变。

6. LLM 推理瓶颈定位

某推理服务在回答简短问题时延迟正常；当提示词要求模型输出较长的逐步推理过程时，首个 token 的等待时间变化不大，但后续生成速度明显变慢，总耗时随输出长度增长。此时应优先优化哪个环节？

A. 解码阶段的逐 token 计算、KV Cache 访问与连续批处理
B. 预填充阶段对输入 token 的并行计算与提示词编码
C. 向量检索阶段的索引构建、召回数量与文档切分
D. 训练阶段的数据清洗、学习率调度与检查点保存

答案：A

考点：LLM 推理、Prefill/Decode、KV Cache

解析：首 token 等待时间近似反映预填充成本，后续 token 速度则由解码阶段决定。题目中首 token 基本正常、长输出阶段明显变慢，说明应优先检查逐 token 解码、KV Cache 访存和连续批处理，而不是检索或离线训练。

二、通用技术 · 多选题（6 道）

1. Bagging、Boosting 与决策树

关于 Bagging、Boosting 和决策树，以下哪些说法正确？

A. Bagging 通常基于重采样数据并行训练多个基模型，再聚合预测结果
B. Boosting 通常顺序训练多个基学习器，使后续模型重点修正已有错误
C. 决策树每次选择纯度提升最大的划分，都能保证测试误差持续下降
D. 只要继续增加决策树深度，训练误差和泛化误差都会同步持续下降

答案：A、B

考点：集成学习、决策树、偏差与方差

解析：Bagging 借助重采样和并行聚合降低方差；Boosting 串行训练，使后续学习器修正已有误差。决策树的贪心划分只针对训练数据的局部目标，树过深会过拟合，因此测试误差和泛化误差并不保证持续下降。

2. lower_bound 与闭区间计数

一个检索模块维护非降序数组 [1,2,2,2,5,7]，下标从 0 开始。定义 lower(x) 为第一个值大于等于 x 的元素下标；若不存在则返回数组长度 6。模块准备利用查找结果之差统计数组中值落在闭区间 [L,R] 中的元素数量。按照上述查找规则和区间统计要求，以下哪些判断正确？

A. 对当前数组，lower(2) 返回 1，因为下标 1 是第一个值不小于 2 的位置
B. 统计闭区间 [2,5] 时，lower(6)-lower(2) 返回 4，正好覆盖三个 2 和一个 5
C. 对当前数组，lower(6) 的结果为 6，因为数组中没有等于 6 的元素，应返回数组长度
D. 当 R 是整数类型最大值时，仍可先计算 R+1 再调用 lower；查找函数会处理没有匹配值的情况

答案：A、B

考点：二分查找、边界语义、整数溢出

解析：lower(2)=1；lower(6) 找到的是第一个不小于 6 的元素，即下标 5 处的 7，所以 [2,5] 的数量为 $5-1=4$。C 把 lower bound 误解为精确查找；D 在 R 为类型最大值时会先发生 R+1 溢出，不能依赖查找函数补救。

3. 线性注意力替换

准备将长序列模型中的全量注意力（full attention）替换为线性注意力（linear attention）。在评估该方案时，以下哪些判断合理？

A. 全量注意力显式建模 token 两两交互时，计算或存储开销通常随序列长度平方增长
B. 部分线性注意力通过核映射或状态累积重排计算，可降低长序列开销
C. 沿用相同 Q/K/V 投影后，可直接按全量注意力的效果基线评估，无需重测排序关系
D. 若任务依赖精确远距离匹配，应单独验证替换后的召回和长程依赖能力

答案：A、B、D

考点：注意力复杂度、线性注意力、长程依赖

解析：全量注意力需要形成 token 两两交互，通常具有 $O(n^2)$ 级开销。线性注意力可通过核映射或状态压缩降低复杂度，但它改变了注意力计算与归一化方式，即使复用 Q/K/V 参数，效果也不能视为等价。对精确远距离检索敏感的任务必须重新评测。

4. PT、SFT 与反馈后训练

关于预训练（PT）、监督微调（SFT）和基于反馈的强化学习阶段，以下哪些说法正确？

A. 强化学习阶段可利用奖励或偏好信号优化模型行为
B. SFT 只修改推理时的提示词，不会更新模型参数
C. 预训练可通过大规模语料学习语言规律和通用表示
D. SFT 通常使用输入与目标输出样本调整模型参数

答案：A、C、D

考点：大模型训练流程、SFT、偏好对齐

解析：预训练从大规模语料中学习通用能力；SFT 使用输入—目标输出对进行有监督参数更新；反馈后训练则利用奖励或偏好信号调整模型行为。只改变推理提示词属于提示工程，不是 SFT。

5. Embedding 模型升级与检索一致性

团队为文档问答系统升级 Embedding 模型，并使用近似最近邻索引进行召回。若希望检索结果稳定且便于评估，以下哪些做法合理？

A. 把内积作为余弦相似度的实现时，不再统一查询和文档的归一化流程
B. 先召回候选文档，再按需要使用更精细的模型进行重排
C. 新旧模型维度一致时，先保留旧文档向量并只更新查询向量进行评估
D. 查询和文档使用兼容的模型版本及相同的向量处理方式

答案：B、D

考点：RAG、向量检索、召回与重排

解析：向量召回后接精排是兼顾效率与精度的常见设计。查询与文档必须处于兼容的向量空间，并使用一致的预处理和归一化。维度相同不代表新旧模型的坐标空间兼容；若以归一化内积实现余弦相似度，两侧也都必须执行一致的 L2 归一化。

6. Agent 方案评测

比较两个可调用工具的 Agent 方案，希望判断新方案是否在真实任务上稳定提升。以下哪些评测设计合理？

A. 在同一批任务和相同工具版本下运行方案，并按任务配对比较结果
B. 除任务成功率外，同时记录工具调用正确性、执行延迟和运行成本
C. 分别在最终测试集上挑选两个方案的最佳提示词，再比较最高得分
D. 自动裁判多次评分较一致时，无需人工抽检即可作为最终评价标准

答案：A、B

考点：Agent 评测、配对实验、测试集泄漏

解析：固定任务和工具版本并做配对比较，能够减少任务难度与外部工具变化造成的噪声。成功率也应与工具调用质量、延迟和成本共同报告。直接在测试集上挑提示词会导致测试集泄漏；自动裁判的一致性只代表稳定，不代表判断无偏，仍需人工抽检校准。

三、自然语言处理方向 · 单选题（2 道）

1. RAG 索引无中断更新

企业 RAG 知识库每天全量更新一次，Embedding 模型保持不变。更新期间要求线上查询不中断，并且一次查询不能同时召回新旧版本的文档片段。以下哪种索引更新方案更合适？

A. 离线构建新版本索引，校验后原子切换检索别名
B. 在线逐条删除旧向量，删除完成后再写入新向量
C. 先用新语料继续预训练模型，再保留原有检索索引
D. 把新旧文档同时追加到当前索引，由生成模型自行去重

答案：A

考点：RAG 工程、索引更新、蓝绿切换

解析：离线构建并校验新索引，最后原子切换别名，可让旧索引持续服务，同时保证单次查询只访问一个完整版本。逐条删写会出现缺失或混合窗口；新旧内容共存也直接违反版本一致性要求。

2. RAG 幻觉问题定位

某 RAG 问答系统升级后，离线评测显示 Recall@5 从 0.62 升至 0.88，重排 nDCG@5 从 0.71 升至 0.84，但答案忠实度仍为 0.54，且大量回答包含检索片段中不存在的断言。下一步最应优先改进哪个环节？

A. 继续扩大召回 top-k，并把更多候选片段写入上下文
B. 更换 Embedding 模型，并重新训练检索与重排索引
C. 约束生成仅使用证据，并对无依据问题拒答
D. 增大文档切片长度，并取消重叠以减少重复上下文

答案：C

考点：RAG 评测、忠实度、幻觉抑制

解析：召回率和排序质量均已明显改善，而低忠实度与无证据断言直接指向生成阶段。应优先让回答绑定检索证据，并在证据不足时允许拒答。继续增加上下文可能引入更多噪声，不能针对性解决生成幻觉。

四、自然语言处理方向 · 多选题（2 道）

1. 线性链 CRF 与维特比解码

某命名实体识别模型对句子中的每个 token 输出 BIO 标签的发射分数。第二个位置的最高发射标签是 O，但加入线性链 CRF 后，维特比解码选择了 I-ORG，使完整路径成为合法的 B-ORG、I-ORG。以下判断正确的有哪些？

A. 线性链 CRF 采用逐位置归一化计算序列条件概率
B. 路径总分同时包含发射分数与标签转移分数
C. 维特比先固定逐位置最高标签再计算路径转移分数
D. 调整转移分数可改变路径而无需重算编码表示

答案：B、D

考点：序列标注、线性链 CRF、维特比算法

解析：CRF 对完整标签序列进行全局归一化，路径分数由各位置发射分数和相邻标签转移分数共同组成。维特比动态规划寻找全局最优路径，并非先固定每个位置的局部最优标签。编码器发射分数不变时，调整 CRF 转移矩阵后只需重新解码即可改变最优路径。

2. 偏好后训练结果解读

某对话语言模型完成偏好后训练，相对训练前模型进行同分布盲测时，后训练模型的胜率为 62%，无差别水平为 50%，该胜率的 95% 置信区间为 [58%, 66%]；事实问答得分保持 71 分，分布外良性请求的拒答率从 4% 升至 13%。根据这些结果，可以得出哪些结论？

A. 该偏好集上的胜率提升具有统计支持
B. 事实得分不变更可能由评测集难度不足造成
C. 拒答率变化应纳入后训练收益与代价评估
D. 现有结果支持将偏好收益外推到分布外任务

答案：A、C

考点：偏好后训练、置信区间、分布外评测

解析：95% 置信区间完全高于 50%，因此同分布偏好胜率提升具有统计支持。良性请求拒答率明显上升，是可用性代价，必须与收益一并报告。事实得分不变不能在没有额外证据时归因于题目太简单；同分布胜率也不能直接外推到分布外任务。

总结

这 16 道已披露选择题呈现出三条明显主线：

1. 先定位链路，再选择优化手段：首 token 与后续生成速度分别对应 Prefill 和 Decode；召回、排序指标改善但忠实度不升，应检查生成约束，而不是继续堆检索能力。
2. 近似与升级都要验证隐性代价：线性注意力降低复杂度，却可能损伤精确长程匹配；Embedding 模型即使维度相同，也不能混用新查询向量与旧文档向量。
3. 评测设计本身就是考点：配对比较、按用户成组重采样、测试集隔离、自动裁判人工校准，以及分布内结论不可随意外推，都是 Agent 实验中常见的工程要求。

传统基础同样不能忽略：AVL 的 LR 双旋、lower_bound 的边界语义、决策树过拟合、CRF 的全局解码都可能直接决定得分。复习时既要掌握定义，也要练习从现象判断瓶颈、从实验口径识别偏差。

再次说明：本文整理16道已披露题目，并非整场试卷的完整复原。AI Coding 题因缺少可靠、完整题面，本文未作任何补全或推测。