返回全部题目← 上一题32 / 81下一题 →题库/模型基础与推理/Q-4598LLM 批量推理与单请求推理有什么区别，为什么能提升吞吐？知识专题：推理优化与模型压缩题目类型：比较选型技术难度：基础收录题集：1 份暂无参考答案未标记未标记待复习已掌握收藏询问 AI选择 AI 平台KimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）自动带入当前题目本题目录收录题集相关题目收录题集1 份AI系统与训练推理工程阿东玩 AI · AgentGuide · 2 条原题查看题集 →大模型在decode阶段跑batch和只跑一个有什么区别？ 「小红书」【组批后算子处理】组batch之后算子层是怎么做的？ 「百度」相关题目4 题0274Decoder-only 的 KV Cache 为什么缓存 K、V 而通常不缓存 Q？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0277FlashAttention 为什么能节省显存并提速，是否改变注意力结果？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0502有哪些大模型推理加速技术？同一知识专题题目类型：方案设计技术难度：进阶相关面经：3 篇0503模型剪枝、GPTQ 与 AWQ 量化方法。同一知识专题题目类型：比较选型技术难度：进阶相关面经：3 篇♥♥♥♥♥← 上一题已到最后一题← 上一题模型量化如何影响推理速度与内存占用？下一题 →LLM Serving 中如何权衡吞吐量与请求时延？
