人工智能行业面试题 · 性能优化
人工智能行业相关面试题，按题目行业基础数据聚合。
共 6000 道真题 · 当前筛选命中 316 道 · 更新 2026-08-05
筛选题目已选：性能优化
考察点
技术栈
第 101 题怎么看待内存碎片，怎么合并？ 考察对内存碎片成因、危害及内存整理的原理理解第 102 题MPC的控制预测周期选择0.1S，参数选择有什么依据吗？ 考察对MPC预测周期与控制性能权衡的理解及工程经验第 103 题vector 扩容机制？ 考察 STL vector 动态数组的容量管理与性能权衡第 104 题请解释 Netty 中的零拷贝技术，并说明其具体实现。 考察 Netty 底层零拷贝原理及其应用场景第 105 题请谈谈数据库模糊查询的实现原理以及如何优化模糊查询的性能？ 考察对数据库模糊查询的性能优化与原理理解第 106 题请介绍你在实际项目中配置过 Webpack 的哪些内容，以及使用过哪些插件。 考察对 Webpack 实际配置经验、常见插件及其用途的理解第 107 题请描述你会如何应对高并发请求场景，并说明技术方案与权衡。 考察高并发处理的系统设计思路、技术选型与风险意识第 108 题请对 emplace_back(move(...))、push_back(move(...))、emplace_back()、push_back() 在添加临时对象时的性能进行排序，并解释原因。 考察C++容器插入操作中拷贝/移动/原地构造的差异与性能理解第 109 题B+树的叶子节点数据结构是什么？ 考察数据库索引底层存储结构与B+树叶子节点的组织方式第 110 题模型增大主要带来的是什么瓶颈？ 考察对大规模模型训练与推理资源瓶颈的理解第 111 题请解释什么是IO多路复用，并说明它如何提升高并发网络服务的性能？ 考察对IO多路复用核心概念、机制及性能优势的理解第 112 题量化出来的模型有误差，你是怎样减少误差、提高模型预测准确率的？ 考察模型量化误差的来源分析、补偿策略与精度优化方法第 113 题在服务器资源配置有限的情况下应对大量高并发访问，你会如何设计？ 考察高并发场景下的资源约束意识、技术选型与权衡能力第 114 题请解释 Vite 的构建原理，包括开发环境与生产构建的差异。 考察对前端构建工具核心机制的理解，特别是 ESM 与依赖预构建第 115 题使用DeepSpeed ZeRO-3微调Qwen2-72B时，每张GPU卡占用显存大约多少？请给出估算思路和关键决定因素。 考察大模型微调显存估算能力和对ZeRO-3机制的理解第 116 题在高并发前端场景下，如何合并短时间内对同一 API 接口的重复请求？ 考察请求合并、去重和并发控制的工程实践能力第 117 题union和union all的区别是什么？ 考察数据库SQL中集合操作的语义理解与性能意识第 118 题在大数据量场景下，你是如何发现并处理数据库慢查询的？请说明你对慢查询的理解。 考察慢查询识别、定位与优化能力第 119 题请介绍你的后端项目，并说明其中Web服务器的IO复用实现方式。 考察项目实践能力与IO复用技术原理的结合理解第 120 题在使用 vector 执行向量检索业务时，有哪些方面可以进行优化？ 考察对向量检索系统性能优化和工程实践的掌握