返回全部题目← 上一题33 / 81下一题 →题库/模型基础与推理/Q-4599LLM Serving 中如何权衡吞吐量与请求时延？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：进阶收录题集：3 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3 份LLM推理系统问答阿东玩 AI · AgentGuide · 1 条原题查看题集 →原文作者Lamhot Siagian / AI Engineering Insider Explain the iron triangle of inference. How would you make a decision when optimizing for a latency-sensitive chatbot application?AI系统与训练推理工程阿东玩 AI · AgentGuide · 7 条原题查看题集 →显存、延迟、吞吐量这三者构成不可能三角，请解释其关系。【性能与成本平衡】如何在训练与推理中平衡性能与算力成本？ 「京东」假如需要支持Streaming输出，但当前服务延迟又超标，你会怎么折中设计？ 「百度」展开其余 4 条原题在大模型推理服务中，如何实现高并发与低延迟？ 「字节跳动」【延迟与吞吐量】延迟和吞吐量你更关注哪一个？在推理服务中如何平衡？ 「百度」【低延迟高吞吐技术选型】客户要求同时满足低延迟和高吞吐，如何进行技术方案选型？ 「腾讯」【高并发模型服务处理】模型面对高并发的时候如何处理？ 「百度」AI 基础设施AMIT SHEKHAR · ai-engineering-interview-questions · 1 条原题查看题集 →What are TTFT, TPOT, and throughput, and how do they trade against each other?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LLM 批量推理与单请求推理有什么区别，为什么能提升吞吐？下一题 →什么是连续批处理，与静态批处理有什么区别？
