返回全部题目← 上一题42 / 103下一题 →题库/模型基础与推理/Q-4763用分块与在线 Softmax 实现简化版 FlashAttention 前向计算。知识专题：推理优化与模型压缩题目类型：代码题技术难度：深入题集来源：1 个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）本题目录收录题集相关题目收录题集1 个来源，共3 份题集编程实战面试题阿东玩 AI · AgentGuide · 1 条原题查看题集 →手撕FlashAttention（简化版）编码题专题汇编阿东玩 AI · AgentGuide · 1 条原题查看题集 →【Transformer、Attention、优化｜L4】设计高效Attention实现，降低时间/空间复杂度 「字节跳动」大模型手写代码练习路线阿东玩 AI · AgentGuide · 1 条原题查看题集 →Flash Attention (Tiled)· 困难 🔴 困难 — IO 感知的分块计算，必须理解相关题目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：4 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← 上一题用 Python 和 PyTorch 实现自回归生成的 KV Cache。下一题 →大语言模型的上下文窗口为什么有限？
