返回全部题目← 上一题82 / 103下一题 →题库/模型基础与推理/Q-7482vLLM 从接收请求到逐 Token 生成的推理流程是什么？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：进阶相关面经：2 篇暂无参考答案未标记未标记待复习已掌握收藏问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）自动带入当前题目反馈（在 GitHub 新标签页打开）本题目录相关面经相关题目相关面经2 篇华为AI 应用工程师2026-10-27校招一面、二面、三面查看原面经 →你多卡部署用什么框架，有没有遇到精度问题，如果oom了怎么办，vLLM的推理流程是什么科大讯飞AI 研究算法工程师2026-10-26查看原面经 →框架理解：vLLM 与 SGLang 的对比 面试官： 有没有用过开源框架跑模型？了解里面的模块作用吗？知道推理的瓶颈吗？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：3 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：6 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：5 篇♥♥♥♥♥← 上一题已到最后一题← 上一题低比特量化 GEMM 如何融合解包、反量化与矩阵乘来提高效率？下一题 →本地部署大模型推理时，显存由哪些部分构成，如何估算？
