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 121 题在建立索引时，选取字段有哪些需要注意的点？ 考察对索引设计原则和反模式的理解第 122 题在训练神经网络的过程中，你通常会采用哪些优化策略？请结合实际案例说明。 考察对深度学习训练优化策略的掌握与实际应用能力第 123 题在进行并发与压力测试时，你一般如何设置测试参数和指标？ 考察对并发与压力测试的理解、参数设计和结果分析方法第 124 题请描述 synchronized 锁的升级过程。 考察对 Java synchronized 锁机制及性能优化原理的理解第 125 题在3D并行（数据并行、张量并行、流水线并行）中，ZeRO优化器的并行策略最多能开到什么程度？如果只开启部分ZeRO级别（如ZeRO-2），会带来哪些影响？ 考察对ZeRO优化器与3D并行组合的理解，包括显存节省、通信开销和训练稳定性第 126 题你在项目中使用了多少层可变形卷积？为什么选择这个层数？ 考察候选人对可变形卷积层数选择的工程权衡与效果验证能力第 127 题如果微调数据集已经构建好，你会从哪些方面着手进一步优化数据质量？ 考察数据优化方法论与实践落地能力第 128 题MHA（多头注意力机制）的计算复杂度比较高，有哪些改进的方法？ 考察Transformer注意力机制的计算瓶颈分析与优化方案设计第 129 题针对RAG召回链路，你会如何优化以兼顾延迟和正确率？ 考察召回链路优化的系统思路与工程权衡第 130 题量化加速方面有了解吗？解释一下vLLM。 考察对LLM推理量化加速技术与vLLM核心机制的理解深度第 131 题假如商品知识库是实时更新的，那么要怎样保证 RAG 的召回结果和库存信息保持一致呢？ 考察 RAG 系统中数据时效性、一致性保障与检索策略设计第 132 题接触过哪些推理加速的方法？ 考察对大模型推理加速核心技术的理解深度与实践经验第 133 题人脸编辑模型的数据清洗和模型训练通常在什么样的算力环境下进行？ 考察对算力需求的理解与工程实践经验第 134 题在Agent落地场景中，RAG通常面临哪些延迟和正确率问题？请分别说明。 考察对Agent场景下RAG性能与准确性的系统认知第 135 题大模型输入长度如何提升 考察对序列长度扩展技术路线的理解与方案权衡第 136 题搜索场景下的Reranker如何优化？ 考察对搜索排序链路中重排模型优化的系统性理解第 137 题请解释大模型推理速度慢的主要原因，并说明如何优化。 考察对大模型推理性能瓶颈的理解及优化思路第 138 题如何解决BEV内存占用过大问题 考察对BEV感知模型内存瓶颈的理解与优化策略第 139 题在强化学习（RL）训练中，上下文窗口大概多长？面对样本长度不同导致的负载不均衡，你们如何考虑和解决？ 考察对RL训练中序列长度、批处理负载均衡的理解与工程化处理第 140 题在多机多卡训练中你会使用 DeepSpeed 吗？请谈谈你对 DeepSpeed 的了解。 考察对大模型分布式训练框架的原理理解和实际应用能力