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 61 题说明图片前处理的CUDA算子编写具体流程：计算出矩阵直接使用双线性插值，可合并几乎所有前处理步骤，速度提升10倍以上。 考察CUDA编程流程、算子优化与图像前处理合并能力第 62 题大模型推理时的加速思路有哪些？ 考察对大模型推理优化的系统性理解和实际应用能力第 63 题请描述一个问答系统从收到query到生成回答的完整链路，并分析各阶段可能的耗时分布。 考察对问答系统端到端链路及其性能瓶颈的理解第 64 题请介绍一下 FasterTransformer 以及它在大模型推理中的应用。 考察对推理推理优化库的理解与应用能力第 65 题请解释vLLM的工作原理，并说明其如何进行调度。 考察对vLLM核心机制的理解及其调度策略第 66 题显存占用通常与哪些因素有关？请列举并简要解释。 考察对大模型推理与训练中显存占用构成因素的理解第 67 题传感器的实时数据想要高并发的收集与存储，你会使用什么样的Redis数据类型来存？ 考察Redis数据结构的选型能力及对高并发实时数据场景的理解第 68 题什么是大语言模型的“上下文窗口”？扩展上下文窗口对模型性能有何影响？ 考察对大语言模型上下文窗口概念的理解及其扩展带来的性能权衡第 69 题请对比LoRA微调与全参数微调Qwen模型在性能和效果上的差异。 考察对微调方法的理解、性能对比分析及适用场景选择第 70 题训练时的Loss情况分析，如何判断模型的训练效果？ 考察对训练动态、过拟合欠拟合的判断与分析能力第 71 题面对大模型训练和推理所需的庞大计算资源，你有什么解决建议？ 考察对大模型算力挑战的理解和系统化解决方案设计能力第 72 题请分析你论文提出算法的性能，包括耗时和效果等维度。 考察对算法复杂度、效率和效果的综合分析能力第 73 题请说明vLLM中PagedAttention的核心思想，并解释其与标准注意力机制的区别。 考察对LLM推理优化技术PagedAttention的理解第 74 题当模型训练收敛缓慢时，你会从哪些方面入手分析和加速收敛？ 考察对训练收敛问题的系统性分析与优化能力第 75 题给定包含大量（大于1000个）类别的图像数据，各类别图像数量充足，要求在一周之内训练出一个分类模型，使得各类别的准确度尽可能高，如何设计方案？ 考察大规模多类别图像分类的系统设计、工程权衡与快速迭代能力第 76 题在本地部署 vLLM 时，是否使用过量化技术来降低显存占用？ 考察对模型量化技术实际应用的掌握第 77 题训练的时候发现训练速度很慢，该从哪些方面去考虑以提高速度？ 考察对深度学习训练性能瓶颈的定位与系统性优化能力第 78 题map和unordered_map的区别 考察对有序与哈希容器的实现原理、性能与适用场景的理解第 79 题请介绍你在实习中优化特征清洗链路并缩短 40% 耗时的具体做法。 考察特征工程链路优化能力与量化结果意识第 80 题注意力计算的计算复杂度是多少？ 考察对注意力机制计算复杂度的掌握及其扩展性边界