返回全部题目← 上一题84 / 103下一题 →题库/模型基础与推理/Q-7908用 CUDA 实现 FlashAttention 时，应关注哪些计算和访存优化？知识专题：推理优化与模型压缩题目类型：方案设计技术难度：进阶相关面经：1 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1 篇清微智能高性能研发2026-10-22秋招一面查看原面经 →追问这套东西让你拿 CUDA 来写，你觉得应该注意哪些思想？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← 上一题本地部署大模型推理时，显存由哪些部分构成，如何估算？下一题 →稀疏矩阵向量乘 SpMV 如何实现，CSR 与 COO 格式怎样影响计算？
