人工智能面试题 · 性能优化
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 605 道 · 更新 2026-08-05
筛选题目已选：性能优化
考察点
技术栈
第 41 题算法的速度提升了70%，这70%是怎么来的？做了哪些部署方面的工作来达到？ 考察算法优化与部署调优的综合能力，验证性能提升来源的合理性与可解释性第 42 题在大型语言模型的预训练阶段，数据收集通常包含哪些关键步骤？请说明主要的数据来源、清洗和去重方法。 考察对预训练数据收集全流程的理解，包括来源、清洗、去重及质量考量第 43 题请介绍EfficientNet的网络特点和适用场景。 考察对复合缩放方法和高效网络设计思想的理解第 44 题在引入 MMoE 等专家网络后，专家数量与推理延迟增量各是多少？ 考察对模型推理性能和资源成本的实际量化能力第 45 题请介绍在RK3588平台进行端侧大模型部署时，如何评估并利用其算力资源。 考察端侧部署的算力评估、资源利用与方案设计能力第 46 题Transformer结构中哪个模块的计算量最大？可以如何优化？ 考察对Transformer计算瓶颈的理解和优化手段第 47 题SPPF与SPP的区别是什么？为什么要引入SPPF？ 考察对目标检测特征金字塔池化模块算子设计和性能优化的理解第 48 题大模型在训练和推理时显存不够，有哪些优化方法？ 考察对大模型显存瓶颈的理解及训练和推理阶段优化手段的掌握第 49 题在 vLLM 推理过程中，有哪些参数可以调优？结合经验说明。 考察对 vLLM 推理性能调优参数的理解，以及结合实际经验取舍的能力第 50 题在分布式数据处理任务中，你遇到过内存溢出（OOM）问题吗？请描述一次具体的处理过程。 考察分布式计算中的内存管理与问题排查能力第 51 题训练或推理 Transformer 模型时有哪些常用加速方式？ 考察对模型计算优化方法的广度与原理理解第 52 题大模型微调为什么常用7B规模，显存占用如何计算？ 考察对大模型微调和显存估算的理解第 53 题请编写一个算法求出数组中连续子序列的最大乘积，并说明最坏情况下的时间复杂度。 考察动态规划或前缀积思路的掌握及复杂度分析能力第 54 题如何部署一个高并发低延迟的大模型 API 服务？ 考察大模型服务的并发处理、延迟优化与资源调度能力第 55 题在分布式锁场景下，如何提升系统并发性能？ 考察对锁粒度、锁开销和并发优化的理解第 56 题在大模型设计中，如何权衡模型的复杂度和性能？ 考察模型复杂度与性能平衡的系统性思考第 57 题请解释KV Cache在Transformer推理中的原理及其作用。 考察对Transformer推理优化中KV Cache机制的理解第 58 题控制结果的量化数据指标有哪些，如何设定？ 考察控制效果的评价指标及其选取依据第 59 题请比较Python多线程与多进程的适用场景，并说明进程池的用途和使用方法。 考察并发模型的理解和工程实践第 60 题在RAG系统开发中，你从哪些方面进行优化以提升效果？请结合比赛经验说明。 考察RAG优化实践经验与问题拆解能力