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 461 题在 RAG 系统中，你们如何设置 chunk size 和 overlap？ 考察 RAG 分块策略的权衡与调优经验第 462 题请说明横向PID控制器的调参方法与流程，并解释各参数的作用。 考察PID参数整定方法与对控制效果的理解第 463 题如果在训练 DPO 的过程中，正例和负例的 loss 都在下降，该如何解决？ 考察对 DPO 训练动态的理解和调试能力第 464 题用CUDA实现一个元素级乘法时有什么优化手段？ 考察CUDA并行计算优化、内存访问模式和资源利用率第 465 题训练时Reward出现大幅度震荡的可能原因有哪些？ 考察对训练稳定性问题的诊断和调试能力第 466 题请描述从浏览器输入一个网址到页面展示的完整过程，并说明各阶段的关键技术点。 考察对网络请求、DNS解析、TCP连接、HTTP协议、渲染机制的整体理解第 467 题请介绍提升 Transformer 模型推理性能的主要方法。 考察对 Transformer 高效推理技术及部署优化的理解第 468 题卷积操作怎么转化成矩阵运算？（优化） 考察对卷积底层实现与矩阵化优化的理解第 469 题在RAG系统中如何分析与优化模型推理时延？ 考察对推理性能瓶颈的定位与优化能力第 470 题训练时选择 FP32、BF16 和 FP16 精度的依据是什么？它们各有何优劣？ 考察对训练阶段数值精度差异及其适用场景的理解第 471 题请介绍大模型推理和训练中常用的显存优化手段，可以从模型、架构和工程层面分别展开。 考察对大模型显存瓶颈的理解及多层面优化策略第 472 题在大规模轨迹数据下是怎么做负采样（Negative Sampling）的？ 考察对大规模轨迹数据负采样方法的理解、权衡与工程实现第 473 题请结合实际场景，阐述提升系统带宽的常见手段及其适用条件。 考察对系统性能瓶颈的识别与优化策略的综合应用能力第 474 题当训练过程中 logloss 剧烈下降时，有哪些处理办法？ 考察对模型训练动态的理解、异常下降的识别与应对策略第 475 题RAG中快速索引的优化方法有哪些？ 考察对RAG索引构建与检索性能优化的理解深度第 476 题在性能优化工作中，你会如何设计和对比性能指标的提升效果？请说明你选择指标、采集数据和对比结果的方法。 考察性能优化中指标设定、数据采集与对比分析的科学性和严谨性第 477 题显存占用和哪些因素有关？ 考察对GPU显存构成和深度学习训练显存管理的理解第 478 题XGBoost中的树分裂过程是怎样的？分裂收益如何计算？ 考察对XGBoost分裂策略与增益计算原理的理解第 479 题KV Cache 有哪些改进方案？ 考察对大模型推理中 KV Cache 优化技术的理解与权衡第 480 题在SIM卡相关的面试场景中，hard search和soft search各有什么优缺点？请结合实际使用场景说明。 考察对SIM卡搜索机制的理解及工程取舍