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 281 题DAPO中采用 token-mean 是为了解决什么？ 考察对 DAPO 强化学习算法中 token-mean 作用的理解第 282 题如何评估你所选算法的实时性？ 考察对算法时间复杂度和性能瓶颈的理解第 283 题微调时使用了什么显卡？内存占用情况如何？ 考察对硬件需求和资源管理的能力第 284 题如何估算大模型微调时的显存需求？请结合 DeepSpeed 的典型配置举例说明。 考察对大模型训练/微调显存构成的理解及工程估算能力第 285 题请介绍你负责的NLP模型在训练和推理阶段的耗时情况，以及关键词提取中关键词数目的设定依据。 考察对模型训练推理效率的量化认知及关键词数量设定的工程权衡第 286 题你如何判断一个数据集对目标模型来说难度是否合适？有什么评估方法或判断标准？ 考察对数据难度评估的方法论与实践第 287 题项目中针对耗时做了哪些优化？ 考察性能优化思路、问题定位方法与实际效果验证能力第 288 题超参调整如何手动设置初始值（如学习率、warmup、batch size、正则化、dropout、激活函数）？ 考察对深度学习常见超参数初始设置原则的理解第 289 题Transformer 模型有哪些常用的推理加速方法？ 考察对 Transformer 推理性能优化技术的理解和实践第 290 题讲一下FlashAttention。 考察对FlashAttention算法原理、动机与实现细节的理解深度第 291 题请介绍 FlashAttention 的核心思想、它是如何减少显存占用和提升计算效率的。 考察对 FlashAttention 原理的理解，包括 IO 感知、分块计算和重计算第 292 题DeepSpeed里面流水线并行是怎么优化复杂度的？ 考察对流水线并行调度策略与显存优化的理解第 293 题在RAG系统里，哪些环节最容易成为性能瓶颈？请结合原因说明。 考察发现与定位RAG系统性能瓶颈的能力第 294 题谈谈你对知识蒸馏的理解，以及如何衡量蒸馏的好坏？ 考察对知识蒸馏原理的理解及评估方法第 295 题模型轻量化带来的精度降低怎么解决？ 考察对模型压缩与精度恢复技术的理解及权衡能力第 296 题PyTorch如何加快数据读取？ 考察对PyTorch数据加载瓶颈的理解及常用优化手段第 297 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 298 题在长序列时空数据中，如何降低 Transformer 的计算复杂度？ 考察对长序列场景下 Transformer 效率优化的理解第 299 题在量化模型上如何实施有效的精度补偿手段？ 考察量化精度补偿的常用技术方案及其适用性第 300 题请说明快速排序的基本思路、时间复杂度，并谈谈如何优化快速排序。 考察排序算法原理、复杂度分析及工程优化能力