返回全部题目← 上一题36 / 81下一题 →题库/模型基础与推理/Q-4617现代 GPU 上的大模型推理流水线有哪些主要性能瓶颈？知识专题：推理优化与模型压缩题目类型：原理机制技术难度：进阶收录题集：5 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5 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 difference between HBM bandwidth and NVLink bandwidth. When does each become the bottleneck?AI系统与训练推理工程阿东玩 AI · AgentGuide · 6 条原题查看题集 →【推理瓶颈诊断】有没有性能瓶颈？ 「腾讯」【推理瓶颈诊断】解释:瓶颈不在数据传输，在计算那边。 「腾讯」哪些环节最有可能成为性能瓶颈？ 「阿里巴巴」展开其余 3 条原题【推理瓶颈诊断】大模型推理中常见的资源瓶颈有哪些？性能拐点在哪里？这种慢是来自模型结构还是推理策略？ 「字节跳动、百度、腾讯」推理速度影响因素 影响模型推理速度的因素有哪些？请解释：输入prompt长度增加两倍时，底层模型推理速度会慢多少？随着序列长度增加，Transformer模型的计算量、访存量和计算密度如何变化？【推理瓶颈诊断】如何判断LLM推理过程中的瓶颈是什么？ 「阿里巴巴」模型部署基础概念Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →影响模型inference速度的因素？模型部署精华 · 推理部署综述Rocky Ding · AIGC-Interview-Book · 2 条原题查看题集 →影响单次模型推理延迟的因素有哪些？影响推理吞吐量的因素有哪些？模型部署精华 · 大模型部署技术Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →大模型推理为什么会有"显存墙"问题？KV Cache为什么成为瓶颈？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← 上一题大模型推理为什么使用混合精度，它有哪些收益与限制？下一题 →vLLM 通过哪些机制提高大模型推理效率？
