返回全部题目← 上一题86 / 178下一题 →题库/模型基础与推理/Q-18786板端模型推理慢时，怎样区分算力与内存带宽瓶颈并减少搬运？知识专题：推理优化与模型压缩题目类型：故障排查技术难度：进阶相关面经：1 篇未标记未标记待复习已掌握收藏反馈（在 GitHub 新标签页打开）Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~问 AIKimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）本题目录相关面经相关题目相关面经1 篇宇树科技嵌入式 AI 工程师2026-08-20校招秋招一面、二面查看原面经 →一个模型在板子上跑得慢，你怎么定位是算力瓶颈还是内存带宽瓶颈查看该问上下文 →内存带宽为什么会成为瓶颈，怎么减少数据搬运查看该问上下文 →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：4 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：17 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：12 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：11 篇♥♥♥♥♥← 上一题已到最后一题← 上一题模型推理服务怎样权衡首 Token 延迟与吞吐量？下一题 →大模型如何逐步生成 Token？
