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 501 题在强化学习或DPO的优化过程中，有哪些常见的工程与算法优化手段？请举例说明。 考察对算法优化实践的理解与应用能力第 502 题如何训练一个大模型，使其能够精确地提取文档摘要？ 考察大模型训练方法与摘要提取任务的结合应用第 503 题请介绍你对 vLLM 中 Paged Attention 和 KV Cache 等技术的理解。 考察对 LLM 推理优化技术的原理理解深度第 504 题如果将LLM推理效率优化后的方案部署到在线服务，你会如何解决线上环境特有的性能问题？ 考察将离线优化迁移到在线推理系统时的工程化与性能调优能力第 505 题在LoRA微调中，秩r和缩放因子α等超参数如何选择？它们对模型性能有何影响？ 考察LoRA超参数调整的实践经验与风险判断第 506 题请介绍常见的算子融合组合及其目的，例如卷积与批归一化、卷积与激活函数、卷积与池化等融合。 考察对算子融合技术及其优化价值的理解第 507 题大模型在输出结果之前的等待时间,在做什么? 考察对大模型推理过程的理解，包括预填充、排队和资源调度第 508 题请设计一个高并发、负载均衡的系统，支持500万量级数据库记录按ID查询，并满足每秒15000次查询（15,000 QPS）的吞吐要求，同时需要将查询结果写入新的存储位置。请阐述整体架构、关键组件、数据流和潜在瓶颈。 考察高并发查询系统的架构设计、性能估算、负载均衡策略及数据迁移方案第 509 题你在项目中使用的损失函数是什么？如果涉及类别不平衡，你是怎么处理的？ 考察对损失函数选择及其在类别不平衡场景下处理策略的理解第 510 题请介绍你在项目中做过的一次性能优化，包括具体做法和选择原因。 考察性能优化的系统方法、技术细节与决策依据第 511 题如何评估模型是否过拟合？怎么缓解过拟合？ 考察对过拟合的识别方法与常用缓解手段的理解第 512 题显存中模型参数、梯度和优化器参数的比例如何？ 考察对训练过程中显存占用构成的理解第 513 题请举例说明数据库连接（JOIN）和索引在性能调优中各自的作用，并简述如何优化一个查询。 考察对数据库JOIN和索引的理解及性能优化能力第 514 题请介绍你的系统设计方法，包括设计注意事项、性能评估方式及相关指标（如内存使用率、QPS、99/95/90分位响应时间）。 考察系统设计的完整流程、性能评估指标及权衡能力第 515 题请描述你在推理加速项目中具体采用了哪些加速方法？ 考察推理加速技术的掌握与实际应用能力第 516 题训练一个 8B 参数的大模型，大概需要多少显存？ 考察显存估算能力和对训练过程中显存主要来源的理解第 517 题哈希冲突有什么影响？ 考察哈希表冲突对性能与正确性的影响及理解深度第 518 题请说明 C++ 标准库中 vector 的扩容机制是怎样的？ 考察对 vector 动态扩容原理及性能特性的理解第 519 题LLM重复生成内容的问题如何缓解？ 考察对LLM生成文本重复现象的成因分析与工程化解法第 520 题DCN V1 和 V2 在时间复杂度和参数复杂度上有何差异？请具体对比。 考察对 DCN 不同版本计算量和参数量的量化理解