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 141 题vLLM的核心原理是什么？它如何提升推理吞吐量？ 考察LLM推理优化技术的理解深度第 142 题如果 pipeline 中性能高度依赖的模块A失效，最终结果会下降多少？你如何评估这种影响？ 考察对单点故障影响评估与容错设计的思考第 143 题vLLM的动态批处理（Dynamic Batching）相比传统静态批处理有什么优势？ 考察对动态调度和推理吞吐优化的理解第 144 题请详细说明 Verl 框架用于强化学习训练时的整体流程，并解释配置文件中的 rollout_batch_size、global_batch_size、micro_batch_size_per_device_for_update 以及 rollout.n 等参数之间的关系，以及它们如何影响每次更新时每张显卡上的样本数量。 考察对 Verl 框架训练流程的理解及关键批次参数对显存与训练动态的影响第 145 题在长文档 PDF 处理场景中，你们采用了哪些长上下文扩展技术？ 考察对长文本大模型上下文扩展技术的理解与实际应用能力第 146 题针对双塔模型存在的问题，可以采取哪些优化方案？请举例说明。 考察对双塔模型优化方向的综合应用能力第 147 题简要说明模型参数量与硬件算力、显存需求的关系，并估算部署一个 235B 参数的 MoE 架构模型所需的最低算力和显存规模。 考察对大模型部署中参数量、算力与显存之间关系的理解与估算能力第 148 题在大模型训练中，如何更容易地提升模型性能？ 考察对训练动态、数据、优化策略和评估指标的综合理解第 149 题大模型生成回答时间太长怎么办？ 考察大模型推理性能优化与工程化处理能力第 150 题针对手机端视频超分，如何实现模型轻量化？具体可以优化哪些算子？ 考察对模型轻量化和算子级优化的理解深度第 151 题针对RAG项目，你提出了哪些优化方向来提升模型的问答效果？ 考察对RAG系统优化方向的理解与实践第 152 题请介绍你常用的模型性能优化方法，并说明如何选取和评估这些方法。 考察对模型性能优化方法的系统理解与实际问题分析能力第 153 题请分析Self-Attention的时间复杂度，并与RNN进行对比。 考察时间复杂度分析与模型特性比较能力第 154 题在推荐系统中，粗排阶段可以从哪些方面进行优化以提升整体效果？ 考察粗排阶段的设计与优化思路第 155 题请描述卷积算子在深度学习框架中的常见实现方式及各自特点。 考察对卷积计算核心原理和底层优化策略的理解第 156 题优化器SGD、Adam的区别，优化了哪里？ 考察对深度学习优化器原理和适用场景的理解第 157 题在移动端设备（如手机）上部署大语言模型的可行方案有哪些？请结合模型压缩、推理框架和硬件限制说明。 考察对边缘端大模型部署的工程理解和方案权衡能力第 158 题在大模型训练中，你做过哪些有效的显存优化手段？ 考察对显存优化技术及其适用场景的理解与实践能力第 159 题训练大模型时数据通常如何进行清洗、处理和配比，以帮助模型达到更好的性能？ 考察对训练数据质量管控与配比策略的理解和实践经验第 160 题如何提高RAG召回的准确率，以及对向量化模型进行微调的方法有哪些？ 考察RAG召回优化和向量化模型微调能力