返回全部题目← 上一题37 / 178下一题 →题库/模型基础与推理/Q-14283LLM 部署到高并发在线推荐系统时，如何解决推理效率问题？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 篇百度大模型算法2026-03-24一面查看原面经 →比如说llm它有个效率问题，如果真的部署到在线推荐系统里，这个效率的问题怎么解决呢查看该问上下文 →追问如果你擅长大模型工程，那你觉得面对这种线上高并发的推荐系统，应该怎么去解决这个效率问题查看该问上下文 →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← 上一题离线生产使用长思维链模型时，如何管理 KV Cache 并维持推理吞吐？下一题 →如何估算 Transformer 各模块的内存开销？
