面试题库 › 算法 / 大模型 › 大模型推理加速的常用手段

大模型推理加速的常用手段

难度 ★★☆在 4 场真实面经中被问到 方向:算法 / 大模型考点:大模型推理服务

哪些公司问过

美团1卓驭1蚂蚁集团1

常见岗位:推理部署与加速、大模型算法

答案要点

  1. 区分 prefill 计算受限与 decode 访存受限,分别优化首 token 延迟和每 token 延迟
  2. KV Cache 省重复计算但占显存,PagedAttention 分页管理并支持前缀缓存
  3. 连续批处理按迭代调度请求,提升 GPU 利用率和吞吐,chunked prefill 平衡长输入
  4. runtime 优化:FlashAttention、算子融合、CUDA Graph;量化权重和 KV Cache
  5. 并行与调度:张量、流水线、专家并行,投机解码和 PD 分离进一步降延迟

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题