面试优先顺序（通用 AI 应用开发岗位）：Q2、Q3、Q5、Q6、Q7、Q8、Q9、Q10、Q11、Q13、Q16。其余题目用于进阶或特定岗位拓展；实际频率会随岗位和面试轮次变化，产品版本资讯不应当作通用必考题。

难度： ⭐⭐⭐⭐⭐ 更新： 2026-03-05 考点： KV Cache、量化、推理加速、部署优化

题目目录（按原文档学习顺序，⭐ = 面试高频优先题）

KV Cache优化

• ⭐ Q3 · 什么是 KV Cache？为什么需要它？
• Q4 · KV Cache 量化是什么？如何实现？
• ⭐ Q5 · 什么是 PagedAttention？它解决什么问题？

PD 分离架构与 KV Cache 跨节点传输

• Q15 · vLLM v1的PD分离架构是什么？Mooncake + LMCache如何实现KV Cache跨节点传输？生产环境如何部署？
• ⭐ Q16 · 什么是 Continuous Batching 和 Chunked Prefill？2026 年为什么它们是推理引擎的核心优化？

推理加速

• ⭐ Q8 · FlashAttention 是什么？为什么能加速？
• ⭐ Q9 · 批处理（Batching）如何提升推理吞吐量？Continuous Batching 是什么？
• ⭐ Q10 · Speculative Decoding（推测解码）是什么？
• ⭐ Q11 · 推理优化应该关注哪些指标？TTFT、TPOT、ITL 和吞吐如何权衡？
• Q12 · KV Cache 量化与误差补偿的核心思路是什么？
• ⭐ Q13 · 什么是 Prefix Caching 和 RadixAttention？为什么长上下文场景必须用它？
• Q14 · 什么是 Attention Matching？MIT 如何实现 KV Cache 50倍无损压缩？2026年 KV Cache 优化技术有哪些新方向？

推理基础

• Q1 · LLM 推理和训练有什么区别？为什么推理更难优化？
• ⭐ Q2 · 什么是自回归生成？Prefill 和 Decode 有什么区别？

模型量化

• ⭐ Q6 · 模型量化是什么？INT8/INT4/FP8 有什么区别？
• ⭐ Q7 · GPTQ、AWQ 是什么？它们有什么区别？

参考资料

• vLLM：Efficient Memory Management for LLM Serving with PagedAttention
• FlashAttention: Fast and Memory-Efficient Exact Attention
• Fast Inference from Transformers via Speculative Decoding（推测解码论文）
• vLLM 官方文档