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 401 题在DPO数据构造中遇到正负样本不均衡问题，你有哪些解决方案？ 考察对DPO数据构造中样本不均衡问题的理解与处理能力第 402 题谈谈你对vLLM的理解。pre-fill阶段和decode阶段是怎么进行调度的？ 考察对vLLM架构及两阶段调度机制的理解第 403 题你们的模型部署延迟要求是多少？具体在什么场景下测量？ 考察对部署服务性能目标的量化定义与场景理解第 404 题在 RAG 项目中，Chunk 划分策略对最终效果影响有多大？你尝试过哪些划分方式（如固定大小、滑动窗口、语义切分）以及如何验证其效果？ 考察对 RAG 检索质量影响因素的理解及工程调优能力第 405 题可变形卷积的具体计算复杂度是怎样的？请给出量级分析。 考察对 DCN 算子计算开销的理论理解第 406 题在大模型推理场景中，如何优化推理延迟以压缩响应时间？请从模型、系统和硬件层面分别说明可行策略。 考察对大模型推理性能优化的系统理解和分层优化思路第 407 题在场景中心（scene-centric）的轨迹预测或规划场景下，如何提升单个智能体（agent-wise）的指标，比如单个智能体的minADE与minFDE？ 考察对场景中心模型在agent-wise指标优化上的理解与改进思路第 408 题请说明 Flash Attention 的时间与空间复杂度，并解释其与标准 Attention 的差异。 考察对 Flash Attention 算法原理、复杂度分析及优化效果的理解第 409 题vllm:prefix原理实现 考察对vLLM前缀缓存机制的深入理解与实现细节第 410 题KV-cache 如何帮助推理加速？ 考察对 Transformer 推理机制和 KV-cache 原理的掌握第 411 题怎么做的样本增强 考察数据增强方法与实际应用第 412 题怎么评估召回效果？ 考察召回评估指标、方法与业务目标结合能力第 413 题你了解 DeepSpeed 的 CPU offload 机制吗？ 考察对模型训练中异构显存优化技术的理解第 414 题在 RAG+知识图谱的 Agent 系统中,如何保证知识图谱更新的实时性? 考察数据管道实时性与系统中延迟优化手段第 415 题对于超长序列（如超过 10 万 tokens）的处理场景，你会如何设计存储与线上推理方案来降低延迟？请说明关键取舍，并谈谈‘在序列上加 ROI（感兴趣区域）’这类做法是否值得投入。 考察长序列处理中的存储与推理延迟优化，以及效益权衡判断第 416 题请用 CUDA 实现一个向量加法，说明核函数、线程配置和访存优化。 考察 CUDA 编程基础和并行计算优化意识第 417 题训练一个7B模型，在常见的混合精度训练下大约需要多少显存？请简要说明主要消耗来源。 考察对模型训练显存占用的量级估算和构成理解第 418 题针对 Transformer 模型推理过程，您会采用哪些优化手段（如 KV Cache、算子融合等）？请说明原理及收益。 考察对 Transformer 推理加速技术的原理理解与工程实践能力第 419 题如何设计大语言模型应用中的长期记忆存储，并在历史记录量很大时优化查询效率？ 考察对长期记忆存储方案的理解及大规模场景下的查询优化能力第 420 题YOLOv10是如何在保证精度不下降的前提下提升实时性的？请分析其优化策略。 考察对模型精度与速度权衡的系统性思考