人工智能面试题 · 性能优化 · LoRA
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 14 道 · 更新 2026-08-05
筛选题目已选：性能优化 · LoRA
考察点
技术栈
第 1 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 2 题LoRA 微调中，rank 值应该如何设置？有哪些实践技巧？ 考察对 LoRA 超参数 rank 的理解及折中权衡第 3 题LoRA微调后，如何进一步降低模型的推理计算量？ 考察对LoRA推理优化方法的理解与工程实践能力第 4 题模型的SFT和PEFT训练的时候有什么小trick？ 考察对监督微调与参数高效微调中实践技巧的理解第 5 题你使用过LoRA吗？请解释其原理与其在模型微调中的优势。 考察对LoRA原理和参数高效微调的理解与实践第 6 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 7 题LoRA微调在生产环境的部署经验有哪些？ 考察LoRA微调后的模型在生产部署中的实践与经验第 8 题LoRA 微调后模型效果不佳，你一般会从哪些方面排查和优化？ 考察对 LoRA 微调问题的系统性排查与调优能力第 9 题使用LoRA微调7B模型时，主要显存占用来源有哪些？如何估算峰值显存？ 考察对模型微调显存构成的理解和工程估算能力第 10 题QLoRA训练时量化背景下，如何保证训练稳定性和效果？ 考察对QLoRA原理和训练实践的掌握第 11 题请说明LoRA在大语言模型微调中有哪些优势，并对比全量微调。 考察对LoRA实用优势的全面理解第 12 题在LoRA微调中，秩r和缩放因子α等超参数如何选择？它们对模型性能有何影响？ 考察LoRA超参数调整的实践经验与风险判断第 13 题使用 LoRA 微调完成后，推理时是否需要额外挂载 LoRA 适配器？ 考察对 LoRA 推理部署与权重合并的理解第 14 题在LoRA训练的时候,用多少资源,用的什么卡,占用多少显存,一个模型有哪些模块是占用显存的,分别分析一下占用大小 考察对LoRA训练资源需求、GPU显存占用构成及模型各模块显存分布的深入理解