在单张 24GB 显存卡上微调 Llama-3-8B 模型时，应采用哪些内存优化技术？
围绕“在单张 24GB 显存卡上微调 Llama-3-8B 模型时，应采用哪些内存优化技术”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须列出梯度检查点、混合精度、LoRA 等关键技术组合。
核心关键词微调 显存限制 24GB GPU Llama-3-8B 内存优化
面试知识索引 · 分类、标签与搜索
5000 道程序员面试题，每题都有完整答案
程序员面试题库第 16 页，收录第 751–800 题，共 5000 道完整解析，覆盖前端、JavaScript、React、Vue、Node.js、AI Agent、网络、数据库与系统设计。
5,000完整问题
52技术分类
178检索标签
100索引分页
快速定位
分类、标签与关键词搜索
技术分类52 个
全部分类5000AI Agent511浏览器301JavaScript285React281AI 开发262CSS240Node.js217TypeScript206Vue180前端工程化138React Native135
查看全部 52 个分类
热门标签178 个
查看其余 163 个标签
测试109数据库事务95实时通信92Web 可访问性90动画79可观测性77Agent 记忆75向量检索66工具调用66LangGraph59Prompt56任务规划53排障与运维53数据库索引52浏览器自动化51Flexbox50值与类型50GraphQL49事务与并发49构建与镜像49DNS 与 TLS48工程协作与交付48AI 评测47CSS Grid47Express 服务47MCP47副作用与同步47向量与嵌入47文件与多媒体47流与二进制47传输与协议46列表与性能46可维护代码46响应式原理46容器运行46指标日志追踪46数据建模与运维46文件与 I/O46表单与输入46MCP 协议45RAG45Vite 与模块构建45Webpack45内存与虚拟化45原生集成45多 Agent45工作负载与发布45应用与性能45数据处理45模块与工具链45组件与模板45缓存与数据结构45网络与运维45评估与调试45身份认证与授权45运行时与开发45Web 系统方案44一致性与容错44侦听与生命周期44分布式使用44原生组件与交互44可访问交互44消息与异步处理44渲染与调度44索引与执行计划44组件设计44缓存与代理44进程与并发44层叠与选择器43攻击面与防御43文档数据库43权限与安全43离线与渐进增强43语义与文档43请求与通信 API43Worker 与线程协作42事件系统42存储与离线数据42服务架构42服务端与流式渲染42服务端工程42泛型设计42版本控制42类型收窄42类型运算42组件与端到端42编码与执行42进程与线程42DOM 与文档操作41Flex 布局41HTTP 语义41NestJS 架构41REST 与接口契约41SQL 查询41加载与交互性能41动画与视觉41类型工程41记忆与状态41运行时与调度41Agent 架构40WebAssembly 集成40单元与集成测试40多 Agent 协作40工作流编排40模块与语言机制40浏览器与 UI 自动化40生产运行40函数与作用域39响应式设计39性能与并发39类型系统基础39Grid 布局38数组与集合38盒模型与排版38Hooks 与复用37应用开发37推理与成本37状态共享37知识库数据37模型与应用评测36对象与原型35状态与渲染35语言与并发35异步与 Promise34Effect32RAG 检索31React 性能31响应式与性能31微调与数据31TanStack Query30全栈边界30数据与缓存30大模型基础29路由与数据流29事件循环28流式交互28提示与上下文设计27数据与服务端27组件与依赖注入27组件与响应式27多模态应用24应用与渲染24Hydration22沙箱安全22状态管理18算法18CI/CD13语言与运行时10React Server Components6搜索与排序4实用函数实现3链表栈队列3图算法2字符串算法2树与遍历2索引与高级结构2Kubernetes1作用域与函数1动态规划1异步与浏览器1手写与交互性能1数组与双指针1相等比较1
第 16 页
本页面试问题
按稳定语义路径排序
- 0751
- 0752
微调后模型的推理延迟是否一定增加？请从模型大小和结构变化角度分析。
围绕“微调后模型的推理延迟是否一定增加？请从模型大小和结构变化角度分析”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明微调本身不改变模型大小，但若引入额外层或修改结构则可能影响延迟。
核心关键词微调 推理延迟 模型大小 结构变化 - 0753
微调后模型输出的一致性为何可能下降？请从参数扰动角度解释。
围绕“微调后模型输出的一致性为何可能下降？请从参数扰动角度解释”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须指出微调改变了原模型的内部表示分布，导致相同输入输出波动增大。
核心关键词微调 输出一致性 下降 参数扰动 原因分析 - 0754
微调后模型对温度参数的敏感度是否发生变化？请从概率分布调整角度解释。
围绕“微调后模型对温度参数的敏感度是否发生变化？请从概率分布调整角度解释”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须指出微调改变了输出分布的熵，从而影响温度调节效果。
核心关键词微调 温度敏感度 概率分布变化 - 0755
微调后模型对未见过的词（OOV）的处理能力是否会下降？请从嵌入层更新角度解释。
围绕“微调后模型对未见过的词（OOV）的处理能力是否会下降？请从嵌入层更新角度解释”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须指出微调可能覆盖原嵌入表，导致 OOV 词映射失效。
核心关键词微调 OOV 处理能力 嵌入层更新 - 0756
当训练数据中存在 10% 的错误标签时，会对微调结果产生何种影响？请从收敛路径角度分析。
围绕“当训练数据中存在 10% 的错误标签时，会对微调结果产生何种影响？请从收敛路径角度分析”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要解释模型可能学习到错误模式并陷入局部最优。
核心关键词噪声标签 微调 影响 收敛路径 错误标签比例 - 0757
为何在微调实验中设置随机种子至关重要？请说明其对结果可复现性的具体影响。
围绕“为何在微调实验中设置随机种子至关重要？请说明其对结果可复现性的具体影响”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要解释初始化、数据打乱和优化器状态受种子控制。
核心关键词随机种子 微调 可复现性 结果一致性 - 0758
当部署多个不同任务的 LoRA 适配器时，如何确保它们能正确组合而不冲突？
围绕“当部署多个不同任务的 LoRA 适配器时，如何确保它们能正确组合而不冲突”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明适配器权重在前向传播中线性叠加的机制。
核心关键词LoRA 适配器 组合 冲突 任务切换 - 0759
LoRA 微调中，若显存受限，应如何根据模型规模选择适配器秩（rank）？请说明权衡依据。
围绕“LoRA 微调中，若显存受限，应如何根据模型规模选择适配器秩（rank）？请说明权衡依据”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要解释秩与参数量及梯度更新效率的关系。
核心关键词LoRA 秩选择 显存限制 模型规模 适配器维度 - 0760
在多卡环境下使用 LoRA 微调时，如何正确配置分布式训练以避免梯度同步异常？
围绕“在多卡环境下使用 LoRA 微调时，如何正确配置分布式训练以避免梯度同步异常”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明仅同步 LoRA 适配器参数。
核心关键词LoRA 微调 多卡 分布式训练 梯度同步 - 0761
在使用外部知识库微调模型时，为何不能简单地将知识拼接进训练数据？
围绕“在使用外部知识库微调模型时，为何不能简单地将知识拼接进训练数据”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须指出知识冗余和上下文混淆会导致模型无法区分事实来源。
核心关键词LoRA 微调 外部知识库 拼接数据 问题原因 - 0762
在使用混合精度训练时，为何 LoRA 微调对数值稳定性要求更高？请解释其影响机制。
围绕“在使用混合精度训练时，为何 LoRA 微调对数值稳定性要求更高？请解释其影响机制”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须指出低精度下适配器梯度易溢出或消失的问题。
核心关键词LoRA 微调 混合精度 数值稳定性 影响机制 - 0763
在仅有 500 条标注数据的微调任务中，如何通过监控损失曲线和验证集表现识别过拟合？
围绕“在仅有 500 条标注数据的微调任务中，如何通过监控损失曲线和验证集表现识别过拟合”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖回答需要围绕必须描述训练损失下降而验证损失上升的典型模式。
核心关键词过拟合 500条数据 小样本 监控损失 验证集表现 - 0764
在量化后的模型上进行微调时，为何需要调整学习率并启用梯度冻结？
围绕“在量化后的模型上进行微调时，为何需要调整学习率并启用梯度冻结”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要解释量化引入的离散误差对梯度传播的干扰。
核心关键词量化模型 微调 学习率调整 梯度冻结 - 0765
当训练数据量有限时，如何通过数据质量提升（如去重、过滤噪声）来弥补数量不足？请给出具体策略。
本文讲解小样本场景下通过去重和噪声过滤提升模型性能的机制，给出具体清洗策略和适用边界，帮助评估数据清洗的收益上限。
核心关键词训练数据 质量数量权衡 去重 过滤噪声 补偿策略 - 0766
在某些应用中为何要同时使用微调和检索？请从知识覆盖与灵活性角度说明。
围绕“在某些应用中为何要同时使用微调和检索？请从知识覆盖与灵活性角度说明”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须指出微调提供个性化风格，检索补充实时知识。
核心关键词微调与检索 同时使用 知识覆盖 灵活性 - 0767
为何应在量化之前先完成微调？请从参数稳定性和量化误差角度解释。
围绕“为何应在量化之前先完成微调？请从参数稳定性和量化误差角度解释”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须指出量化前的微调使参数收敛到更稳定的值，减少量化带来的精度损失。
核心关键词微调 量化顺序 参数稳定性 量化误差影响 - 0768
LoRA 为何在小样本微调中表现优于全量微调？请从参数更新效率角度解释。
围绕“LoRA 为何在小样本微调中表现优于全量微调？请从参数更新效率角度解释”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明仅更新低秩矩阵减少参数更新量，避免过拟合。
核心关键词LoRA 小样本 微调 效率 参数更新 优势原因 - 0769
为何对小型模型（如 DistilBERT）进行全量微调通常不推荐？请从计算成本与收益角度分析。
围绕“为何对小型模型（如 DistilBERT）进行全量微调通常不推荐？请从计算成本与收益角度分析”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须指出小模型参数少，全微调无显著收益且易过拟合。
核心关键词全量微调 小型模型 代价 不推荐 算力收益比 - 0770
为何在微调时保留原始模型权重作为基础，而不是从头训练？请从迁移学习角度解释。
围绕“为何在微调时保留原始模型权重作为基础，而不是从头训练？请从迁移学习角度解释”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明原始模型已学习通用语言特征，可加速收敛并提升小样本表现。
核心关键词微调 保留原始权重 迁移学习 优势 - 0771
二叉堆用数组存储时下标从 0 和从 1 开始，父子下标公式与边界检查差在哪里？
本文对比二叉堆以 0 或 1 为起始下标时父子节点换算公式的差异，指出边界检查条件随下标基址偏移而变化，并通过代码示例与典型错误帮助记忆正确写法。
核心关键词二叉堆 数组表示 父节点 子节点 下标 - 0772
堆和二叉堆是什么关系，为什么面试里常把优先级队列默认成二叉堆？
解释堆作为数据结构性质与二叉堆作为具体实现的关系，说明为何优先级队列常默认用二叉堆，涵盖操作复杂度、存储方式和适用边界。
核心关键词堆 二叉堆 优先级队列 区别 - 0773
可变滑动窗口求最短满足条件的子数组时，收缩窗口的条件如何判断？
本文解释可变滑动窗口求最短子数组的收缩时机：在条件满足后立刻尝试左移左指针，并逐点更新答案；说明安全收缩依赖窗口性质的单调性，并给出正整数数组求和场景的完整代码与失败边界。
核心关键词可变滑动窗口 最短子数组 - 0774
动态规划和贪心算法的决策方式有什么本质区别，为什么贪心在有些最优化问题上失效？
本题说明动态规划与贪心的决策本质差异：前者通过状态枚举和集合比较保证全局最优，后者利用局部最优迭代，但只在贪心选择性质成立时有效。文章给出失效场景如非规范硬币找零，并总结可操作判断方法。
核心关键词动态规划 贪心算法 区别 - 0775
为什么 BFS 能在无权图中求出单源最短路径？
本文解释 BFS 在无权图中求单源最短路径的正确性依据，包括层序扩展、首次访问即最短的证明思路，以及通过前驱数组还原具体路径的方法，并给出适用边界。
核心关键词BFS 无权图 最短路 - 0776
Dijkstra 用二叉堆和朴素数组实现的复杂度分别是多少，各自适合什么图？
Dijkstra 算法两种实现复杂度对比：朴素数组 O(V²+E) 与二叉堆 O((V+E)logV)，分别适合稠密图和稀疏图。给出选型依据。
核心关键词Dijkstra 复杂度 堆优化 - 0777
如何每 k 个节点一组反转链表，并处理末尾不足 k 个的情况？
解释 k 个一组反转链表的完整过程：如何判断最后一组不足 k 个，如何反转子链表并连接各部分，附带 JavaScript 实现与边界用例。
核心关键词k个一组反转链表 - 0778
如何用迭代法反转单链表并避免断链丢失节点？
本文讲解用迭代三指针法反转单链表的完整原理，重点分析prev、curr、next的更新顺序，提供可运行JavaScript代码，覆盖空链表、单节点、长链表等边界，并说明如何避免断链和指针丢失。
核心关键词反转链表 迭代 三指针 - 0779
递归反转链表时，返回值和指针翻转分别发生在递归的哪一层？
本题解释递归反转单链表的调用栈机制，明确返回新头与指针翻转都在回溯阶段发生，但返回值是恒定传递，指针翻转针对当前节点。给出JS完整实现以及空链表、单节点、三节点三种边界测试，分析时空复杂度。
核心关键词递归 反转链表 原理 调用栈 - 0780
二分查找如何找到目标值的第一个出现位置？
说明如何用二分查找在有序数组中找到目标值第一次出现的下标，重点讲解命中后继续向左收缩的机制以及返回候选值的语义，并给出可直接运行的 JavaScript 实现与边界测试。
核心关键词二分查找 第一个出现位置 首次出现 - 0781
二分查找失败时如何返回目标值应插入的位置？
本文证明二分查找失败后左指针恰好是插入点，给出标准 lower_bound 实现，讨论空数组、极值、重复元素等边界，可用于 LeetCode 35 题。
核心关键词二分查找 插入位置 - 0782
二分查找如何定位目标值的最后一个出现位置？
本解释专注于上界式二分，给出如何用左闭右开区间、<=判断收缩左界，最终定位最后出现位置，覆盖全等数组、缺失及动态边界，并与第一个出现位置算法形成互补。
核心关键词二分查找 最后一个出现位置 upper_bound - 0783
写二分查找时用左闭右闭和左闭右开区间有什么本质区别？
本文解析二分查找左闭右闭与左闭右开写法的根本差异：循环不变量和区间收缩方式不同导致while条件一个用<=一个用<，mid更新也相差一。通过具体代码演示两种写法查找下界，给出重复元素、越界和空数组等边界测试，帮助读者写出无死循环的二分。
核心关键词二分查找 循环不变量 边界写法 - 0784
为什么 KMP 字符串匹配的整体时间复杂度是 O(n+m)，文本指针为什么从不回退？
本文解析KMP算法O(n+m)复杂度的原理：文本指针i单向递增，模式指针j的摊还回退代价被成功匹配次数限制，从而消除暴力匹配的O(nm)最坏情况。
核心关键词KMP 时间复杂度 文本指针不回退 - 0785
KMP 算法中的前缀函数（失败函数）是什么含义，如何在线性时间内求出？
本文解释 KMP 前缀函数的定义、性质与线性递推构造，分析失配时 j 回退的次数，并给出边界输入如空串、单一重复串等。
核心关键词KMP 前缀函数 prefix function 计算 - 0786
如何求一棵二叉树的最大深度？
本文讲解求二叉树最大深度的两种递归思路：自底向上返回子树高度加一，自顶向下传递当前深度并记录全局最优。给出可运行的JavaScript实现与空树、链状、平衡树等多组测试，分析时间与空间复杂度，澄清边界约定。
核心关键词二叉树 最大深度 高度 递归计算 - 0787
如何根据前序和中序遍历结果重建一棵二叉树？
本文讲解如何利用前序和中序遍历结果唯一重建二叉树。给出递归划分的索引推导过程、工程场景中的序列恢复方式，以及节点重复值或数组不一致时的失败边界。附完整 JavaScript 实现和时间复杂度分析。
核心关键词重建二叉树 前序中序 还原 - 0788
在 Angular 模板中使用 async pipe 时，它如何自动处理 Observable 的订阅与取消？为什么推荐使用它？
围绕“在 Angular 模板中使用 async pipe 时，它如何自动处理 Observable 的订阅与取消？为什么”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明 async pipe 内部自动调用 subscribe 并在组件销毁时取消。
核心关键词Angular async pipe 订阅自动管理 - 0789
在 Angular 中，ChangeDetectionStrategy.OnPush 与 Default 有何根本区别？何时应选择 OnPush 策略？
围绕“在 Angular 中，ChangeDetectionStrategy.OnPush 与 Default 有何根本区”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须指出 OnPush 仅在输入属性变化或事件触发时检查。
核心关键词Angular 变更检测策略 OnPush 与 Default 区别 性能优化 - 0790
在 Angular 组件中，模板如何通过属性绑定和事件绑定与组件类交互？请说明其数据流方向与生命周期时机。
本文说明 Angular 模板中属性绑定和事件绑定的语法、数据流方向及生命周期触发时机，澄清单向性原则，并通过具体场景分析执行顺序与常见陷阱。
核心关键词Angular 属性绑定 事件绑定 模板与组件交互 数据流 - 0791
Angular 组件的视图封装模式有哪几种？它们如何影响样式的作用域传播？
围绕“Angular 组件的视图封装模式有哪几种？它们如何影响样式的作用域传播”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明 Emulated、ShadowDom、None 三者的实际样式隔离行为。
核心关键词Angular 视图封装 样式作用域 封装模式 - 0792
在 Angular 模板中，使用 *ngIf 与 [hidden] 两种方式实现条件渲染，它们在性能和 DOM 行为上有何不同？
围绕“在 Angular 模板中，使用 *ngIf 与 [hidden] 两种方式实现条件渲染，它们在性能和 DOM 行为”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明 *ngIf 移除/插入节点，[hidden] 仅改变 display 样式。
核心关键词*ngIf 与 [hidden] 条件渲染性能差异 - 0793
编写一个自定义管道时，transform 方法的参数类型和返回值必须满足什么要求？它如何参与变更检测？
围绕“编写一个自定义管道时，transform 方法的参数类型和返回值必须满足什么要求？它如何参与变更检测”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明 transform 接收输入值数组，返回新值，且其调用受变更检测触发。
核心关键词Angular 自定义管道 transform 方法 参数类型 返回值 变更检测 - 0794
在 Angular 中，服务作为依赖注入提供者时，作用域是如何决定其实例共享范围的？不同层级的 providers 有何影响？
本文解释Angular服务作为DI提供者时，providers定义层级（根、组件、子组件）如何影响实例共享范围。涵盖注入器树机制、组件级providers的遮蔽行为，并通过具体场景说明如何控制服务状态隔离与共享，指出常见误区及边界条件。
核心关键词Angular 依赖注入 服务提供者 作用域 实例共享范围 - 0795
当一个组件被销毁时，其依赖注入的服务实例是否一定随之销毁？这取决于什么条件？
围绕“当一个组件被销毁时，其依赖注入的服务实例是否一定随之销毁？这取决于什么条件”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明服务实例随提供者作用域决定，根服务不会因组件销毁而消失。
核心关键词组件销毁 服务实例是否随之销毁 - 0796
结构型指令与属性型指令在实现上有什么本质区别？分别适用于哪些典型场景？
围绕“结构型指令与属性型指令在实现上有什么本质区别？分别适用于哪些典型场景”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须区分 *ngIf 与 [style.color] 的底层实现机制。
核心关键词Angular 结构型指令 属性型指令 实现差异 场景应用 - 0797
如何在运行时动态加载一个组件？这需要哪些必要条件，以及如何传递数据给该组件？
围绕“如何在运行时动态加载一个组件？这需要哪些必要条件，以及如何传递数据给该组件”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明需要 ViewContainerRef 与 ComponentFactoryResolver 两者配合。
核心关键词Angular 动态组件加载 ComponentFactoryResolver ViewContainerRef - 0798
如何在模型驱动表单中动态添加或删除表单控件？这需要修改哪些数据结构？
围绕“如何在模型驱动表单中动态添加或删除表单控件？这需要修改哪些数据结构”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明需通过 FormGroup 与 FormArray 拓展动态结构。
核心关键词模型驱动表单 动态添加删除控件 - 0799
如何在模板中根据组件状态动态绑定多个样式类？使用 [class.xxx] 与 [ngClass] 有何区别？
围绕“如何在模板中根据组件状态动态绑定多个样式类？使用 [class.xxx] 与 [ngClass] 有何区别”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明 [ngClass] 支持对象、数组形式，[class.xxx] 仅支持布尔值。
核心关键词Angular 动态样式绑定 [class.xxx] [ngClass] 区别 - 0800
在 Angular 模板中，子组件触发的事件是否会在父组件中冒泡？如何阻止事件冒泡？
围绕“在 Angular 模板中，子组件触发的事件是否会在父组件中冒泡？如何阻止事件冒泡”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明事件默认在组件树中向上传播，可通过 $event.stopPropagation() 阻止。
核心关键词Angular 子组件事件冒泡 阻止方法