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 321 题我们现在是两阶段推荐架构：第一阶段召回用的是 embedding 点积召回，第二阶段是 MLP 跟 transformer 做多目标打分。那你觉得在我们这么大规模的数据量下，如果要做 real-time re-ranking，你会在架构上怎么做 trade-off？怎么压低 latency？ 考察推荐系统实时重排架构的延迟与效果权衡能力第 322 题请介绍LLaMA模型的整体结构，并说明你在实际部署或训练时使用的模型规模及硬件配置。 考察对LLaMA架构的理解以及模型部署和训练的实际经验第 323 题图像分割模型出现过拟合或欠拟合时，除了增加训练数据和修改损失函数，你还会从哪些方面入手解决？ 考察对过拟合与欠拟合的系统性诊断和解决能力第 324 题Batch Normalization在训练和推理阶段有何不同？ 考察对Batch Normalization原理及训练推理差异的理解第 325 题CUDA Stream 有什么要求？请说明其与设备重叠的关系。 考察对 CUDA Stream 并发执行和硬件资源约束的理解第 326 题如何提升轨迹预测模型的预测效果？请给出系统性的方法。 考察对轨迹预测模型改进方向的整体认知与关键模块第 327 题RAG 的 chunk 划分策略是什么？ 考察对 RAG 检索质量影响因素的理解和实际调优能力第 328 题在模型部署中，量化通常会导致精度下降。请说明你会如何排查并解决这类精度下降问题。 考察对模型量化精度损失的原因分析与实际解决方法第 329 题在大模型推理中，除了KV Cache，还有哪些提高效率的方法？请介绍至少一种。 考察对大模型推理效率优化手段的广度与深度理解第 330 题造成多模态大模型显存压力的原因？现在常见的缓解思路有哪些？ 考察对多模态模型显存占用构成的分析能力与当前常见优化手段的掌握第 331 题在配置专家系统时，如何评估专家数量的设置？请说明对比不同专家数量对系统效果影响的指标和方法。 考察对专家数量与系统效果关系的理解及评估方法第 332 题LoRA超参数（如秩 r、缩放因子 alpha）的选择如何影响模型微调后的性能？ 考察对超参数影响机制和现象的分析能力第 333 题常用的数据增强方法有哪些？ 考察对数据增强技术及适用场景的掌握第 334 题在Transformer自注意力推理中引入KV-Cache有什么作用？它是如何帮助加速推理的？ 考察对KV-Cache机制及其推理加速原理的理解第 335 题向 vector 容器插入元素时，容量是如何变化的？ 考察 vector 扩容机制与容量增长策略第 336 题手撕代码：找出数组中第 k 大的数，要求分别用堆和快排实现。 考察堆排序与快排的实现能力及复杂度分析第 337 题请讲解vLLM的核心原理及其高性能推理的关键技术。 考察对大模型推理框架核心机制的理解第 338 题请解释FlashAttention的原理及其优势。 考察对FlashAttention核心机制的理解，包括IO感知、分块计算和内存优化第 339 题手写实现 LeetCode 678 题（Valid Parenthesis String）的解法，并逐步优化时间和空间复杂度。 考察算法实现能力、复杂度分析与优化思维第 340 题请解释 CUDA 中的原子操作，并说明其用途和可能存在的问题。 考察对 CUDA 原子操作原理、适用场景及性能风险的理解