人工智能面试题 · 性能优化 · LLM
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 24 道 · 更新 2026-08-05
筛选题目已选：性能优化 · LLM
考察点
技术栈
第 1 题有哪些缓解大语言模型幻觉的工程方法？ 考察针对幻觉问题的实际解决手段与权衡第 2 题请列举大语言模型评测中常用的基准数据集，并说明其特点。 考察对大语言模型主流基准数据集及适用范围的了解第 3 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 4 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 5 题项目实战：LLM重复生成内容的问题如何缓解？ 考察对LLM采样机制、输出多样性控制与工程调优手段的理解与应用第 6 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 7 题请分别说明大模型训练和推理阶段的主要性能优化手段。 考察对大模型训练与推理性能优化的系统理解与工程实践第 8 题如果训练大模型时显存不够，你会用哪些技术缓解？ 考察显存优化技术全景和适用场景的判断第 9 题请从技术角度评估大语言模型生成响应的速度受到哪些因素影响，并结合实际场景提出优化思路。 考察对LLM推理性能影响因素的理解与优化方法第 10 题对比大语言模型的增量推理和传统推理方式，增量推理的优势和实现难点是什么？ 考察对大模型推理机制的理解及工程优化能力第 11 题你了解大模型微调吗？请说明QLoRA的原理。 考察对大模型微调方法及QLoRA技术原理的理解深度第 12 题请阐述处理大语言模型长上下文问题的常见方法有哪些？ 考察对LLM长上下文技术方案的掌握与工程权衡第 13 题请谈谈你在大模型优化的实践中，通常会从哪些方面入手来提升推理性能和效率？ 考察对大模型优化手段的系统理解与实践经验第 14 题用大模型生成文本向量时，维度通常很大，怎么解决维度爆炸的问题？ 考察对大模型嵌入向量高维特性的理解及降维处理能力第 15 题在大模型推理阶段，KV Cache 的作用是什么？ 考察对大模型推理中缓存机制原理和性能影响的理解第 16 题你提到大模型推理速度慢，请分析一下推理慢的主要原因。 考察对大模型推理性能瓶颈的理解和系统性分析能力第 17 题减少大模型幻觉，你用过哪些方法？ 考察对幻觉成因的理解及系统性缓解方法第 18 题如何优化大模型训练速度？ 考察对大模型训练性能优化方法、理论依据和实践细节的掌握第 19 题如果将LLM推理效率优化后的方案部署到在线服务，你会如何解决线上环境特有的性能问题？ 考察将离线优化迁移到在线推理系统时的工程化与性能调优能力第 20 题大模型在输出结果之前的等待时间,在做什么? 考察对大模型推理过程的理解，包括预填充、排队和资源调度