旷视面试题 · 性能优化
旷视相关面试题，按最终去重题目聚合。
共 200 道真题 · 当前筛选命中 22 道 · 更新 2026-08-05
筛选题目已选：性能优化
考察点
技术栈
第 1 题如何进行网络剪枝？ 考察对模型压缩中网络剪枝方法的理解与实践第 2 题你是如何降低首屏加载时间的？请结合具体项目说明。 考察前端性能优化的实际做法、分析方法与效果验证第 3 题请讲解大模型推理中KV Cache的原理及其优化方向。 考察对KV Cache机制本质和优化空间的理解第 4 题您的技术栈主要是 Vue，请谈谈 Vue2 和 Vue3 的区别，或者 Vue3 有哪些提升？ 考察对 Vue 版本演进的理解深度和实际应用经验第 5 题如何解决BEV内存占用过大问题 考察对BEV感知模型内存瓶颈的理解与优化策略第 6 题图片懒加载的实现 考察图片懒加载的触发机制、性能优化和边界处理第 7 题vLLM的核心原理是什么？它如何提升推理吞吐量？ 考察LLM推理优化技术的理解深度第 8 题说说你在项目的懒加载怎么做的？ 考察懒加载的实现思路、场景选择及性能收益第 9 题List和Vector在底层添加元素的方式有何区别？ 考察对顺序容器vector和链表list扩容及插入机制差异的理解第 10 题请阐述处理大语言模型长上下文问题的常见方法有哪些？ 考察对LLM长上下文技术方案的掌握与工程权衡第 11 题push_back 和 emplace_back 有什么区别？ 考察 C++ 容器插入操作的底层机制与性能差异理解第 12 题请讲解vLLM的核心原理及其高性能推理的关键技术。 考察对大模型推理框架核心机制的理解第 13 题请介绍你在项目中做过哪些 CUDA 算子优化，具体是怎么做的？ 考察 CUDA 算子优化的实际经验、方法掌握与性能分析能力第 14 题为什么采用批处理（batch）可以提高系统的吞吐量？ 考察对批处理提升吞吐量的底层机制理解第 15 题在训练或推理动态图模型时，如何优化显存占用并避免OOM？请结合你遇到的实际场景说明。 考察对动态图显存管理、优化策略及实际排查经验的理解第 16 题img2col是怎么做的？ 考察对卷积神经网络中im2col数据变换原理及其在矩阵乘法加速中作用的理解第 17 题vector的底层实现原理 考察对动态数组内存布局、扩容机制和性能特性的理解第 18 题分析Transformer的复杂度 考察对Transformer网络结构和计算复杂度的理解第 19 题为什么想到在前端提高并发，减轻服务器压力？ 考察对前端并发处理、资源优化和业务场景理解的能力第 20 题vector 的底层实现原理是什么？ 考察对动态数组内存布局、容量管理与扩容机制的理解