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 381 题RMSNorm相较于LayerNorm有什么优势？ 考察归一化方法的数学原理与性能差异第 382 题为满足部署延迟要求，你使用了哪些优化手段？请列举并说明原理。 考察模型推理性能优化的广度和深度第 383 题在 Spark 中执行 join 时，如果两个表一大一小，如何实现高效 join？ 考察对大表小表 join 优化策略的掌握程度第 384 题请描述在构建高并发查询的 Agent 系统时，你会如何分别优化召回阶段和生成阶段的延迟？ 考察对 Agent 系统两阶段延迟构成的理解及针对性优化策略第 385 题在RAG系统中的切片策略和索引命中率之间有什么关系？请解释如何分析并优化切片以提升检索命中率。 考察候选人对RAG系统中切片策略与检索准确性的理解及优化方法第 386 题针对 ARM 架构的芯片如何优化量化模型的推理速度？ 考察对ARM平台量化模型推理优化的掌握程度与实战能力第 387 题如何估算MultiheadAttention在推理时的FLOPs，并说明计算优化的关键点？ 考察对注意力机制计算复杂度的理解与优化意识第 388 题如何降低 KV cache 的内存占用？ 考察对 Transformer 推理中 KV cache 优化技术的理解第 389 题请介绍 MHA（多头注意力机制）的改进方向，并说明你会如何选择或设计这些改进。 考察对多头注意力机制原理的理解及改进思路的批判性分析能力第 390 题AUC为什么可以判别排序任务？ 考察对AUC统计含义及其与排序质量关系的理解第 391 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 392 题RAG做的哪些优化提升了准确率？ 考察对RAG各环节优化手段及其效果的理解第 393 题大模型如何做向量化分割？ 考察大模型文本向量化与分块策略的理解第 394 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 395 题请描述 FAISS 索引的构建过程，并说明如何选择合适的索引类型？ 考察对向量索引原理、构建流程和性能权衡的理解第 396 题在模型训练过程中，你使用过哪些有效的训练技巧（tricks）来提升模型效果？ 考察深度学习训练调优的经验沉淀与分析能力第 397 题在模型训练中，batchsize 过大或过小分别会有什么影响？ 考察对训练动态、收敛性和泛化能力影响的理解第 398 题请介绍推理加速的常用方法，并重点说明在视觉语言模型（VLM）中可用的加速技术。 考察对推理加速技术原理的理解及应用到VLM场景的能力第 399 题在分布式训练场景下，有哪些降低显存占用的常用方法？ 考察对分布式训练中显存优化手段的理解与应用能力第 400 题RAG文档怎么切分？ 考察RAG文档切分的策略、影响因素和评估方法