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 161 题以 LightGBM 为例，说明超参数调优的思路和方法。 考察超参数调优的系统方法和模型调参经验第 162 题如果服务器CPU突然被打满，你会如何排查？ 考察系统问题排查的流程和方法第 163 题若Agent推理API需要低延迟响应，会从哪些方面开展系统级优化工作？ 考察系统级性能优化的全面性与工程实践能力第 164 题Python 中做大批量图像的预处理时，应该用多线程还是多进程？ 区分 CPU 密集与 I/O 密集任务，并正确选择 Python 并发模型第 165 题请估算一个7B参数的大语言模型在推理时的显存占用，并说明估算思路。 考察对大模型参数量与显存关系、推理时内存构成的理解能力第 166 题如何减少模型训练时间？ 考察加速模型训练的系统性方法和权衡意识第 167 题大模型训练或泛化中如果出现过拟合，有哪些常用的缓解方案？ 考察对过拟合处理手段的掌握第 168 题除了 DeepSpeed，你还用过哪些大模型训练或推理的优化方法？ 考察候选人大模型训练优化技术的广度与实际应用深度第 169 题对 1.7B 参数模型做全参微调，大约需要多少显存？请给出估算思路。 考察显存估算能力及对训练流程资源消耗的理解第 170 题如何通过 vLLM 部署实现 2k tokens/s 的吞吐量？ 考察对 vLLM 高性能推理架构和吞吐优化的理解第 171 题能介绍一下Flash Attention吗？它是怎么做到既省显存又提速的？ 考察对Flash Attention原理、显存优化和计算加速机制的理解第 172 题MHA（多头注意力机制）的优点是什么？ 考察对多头注意力机制原理及其优势的理解第 173 题项目:GraphRAG 怎么保证召回准确率? 考察对图检索增强生成的理解与召回准确率优化能力第 174 题请聊聊你在项目中训练PPO（近端策略优化）时的资源消耗情况。 考察对强化学习PPO算法训练过程的深入理解，包括资源瓶颈分析、优化方法及工程实践第 175 题在本地部署 vLLM 时，是否使用动态批处理来优化吞吐和显存效率？ 考察对动态批处理机制的实践理解第 176 题在RAG流程中，是否需要对检索结果进行Rerank？常见的Rerank策略有哪些？ 考察对Rerank必要性判断及常用Rerank算法的理解第 177 题如何使用 PyTorch 分析模型性能瓶颈？ 考察对 PyTorch 性能分析工具链与优化方法论的理解第 178 题模型泛化性能差时如何处理？ 考察对过拟合、欠拟合诊断和泛化提升策略的系统掌握第 179 题在推理阶段，如何使用Faiss加速双塔模型的最近邻检索？ 考察对Faiss索引原理及在双塔模型推理中应用的理解第 180 题vllm中内存的内碎片和外碎片是怎么产生的？ 考察对vLLM显存管理与碎片化机制的理解