30 秒标准口语答案（面试背诵版）
来源：牛客网大模型推理加速 & AI Infra 实习岗位面试题汇总
建议每题用「一句定义 → 一句说明为什么重要 → 一句 trade-off」的结构来回答
第一部分：推理总流程
1. 什么是 prefill，什么是 decode？
Prefill 就是把整段输入 prompt 一次性过模型，算出各层的 KV cache；decode 是后续逐 token 生成，每步只输入最新 token，但要读取之前所有历史 KV。它们的重要性在于 prefill 更偏计算密集、decode 更偏访存密集，所以优化手段和调度策略完全不同。trade-off 在于：prefill 适合用大 batch 吃满算力，而 decode 要在延迟、带宽和并发之间平衡。
2. 为什么 decode 往往更难优化？
因为 decode 每次只生成很少 token，单步算力利用率不高，却要频繁读取大体积 KV cache，常常更受显存带宽和访存模式限制。它的重要性在于在线服务的大部分时间其实都花在 decode，而不是 prefill 上。trade-off 是：你可以通过 KV 管理、batching、spec decoding 来降 decode 成本，但往往会增加实现复杂度和系统开销。
3. TTFT 和 ITL 分别是什么？
TTFT（Time To First Token）是从请求进入到用户看到首 token 的时间，ITL（Inter-Token Latency）是后续 token 之间的平均间隔。它们的重要性在于共同决定用户"感觉快不快"：TTFT 决定"开口速度"，ITL 决定"说话是否流畅"。trade-off 是：追求极致吞吐时往往会牺牲 TTFT/ITL，需要在吞吐和用户体验之间做选择。
4. 为什么不能只看 tokens/s？
Tokens/s 更像系统吞吐指标，反映 GPU 被利用得有多满，但不直接代表单个请求体验。它的重要性在于：很多优化只提高了 tokens/s，却让 TTFT、尾延迟或稳定性变差。trade-off 在于：离线场景可以更重视 tokens/s，在线场景必须同时看 TTFT、ITL、p95/p99 latency。
5. 一次完整的 LLM 在线推理链路怎么讲？
可以简单描述为：请求进来做 tokenization，进入 scheduler 排队，执行 prefill 生成 KV cache，然后在 decode 阶段反复"读 KV → 算 attention/FFN → sampling → 输出 token"，直到 EOS 或 stop 条件。它的重要性在于让面试官看到你既懂模型内部，又懂 serving 侧的调度和流式输出。trade-off 是：回答时不要陷太细 kernel 细节，而要把"阶段+瓶颈+调度点"讲清楚。
第二部分：KV Cache 与 Attention
6. 为什么 KV cache 是推理优化核心？
因为自回归生成里，每个新 token 都要依赖之前所有 token 的 K/V，如果不缓存就得每步重算整段上下文，算力开销爆炸。它的重要性在于：开启 KV cache 后，计算大幅减少，但显存和带宽成了新的瓶颈，所以几乎所有优化都围绕 KV 做文章。trade-off 是：你用 KV cache 换来了算力节省，但要用更复杂的内存布局、压缩和调度去对冲它带来的资源压力。
7. 什么是 PagedAttention？
PagedAttention 的核心是把 KV cache 像操作系统分页一样按固定大小 block 管理，而不是给每个请求分一整段连续显存。它的重要性在于显著缓解显存碎片，更好支持变长请求和 continuous batching，是 vLLM 的招牌特性。trade-off 是：实现更复杂，增加了索引和寻址开销，但在高并发和长上下文下整体收益更大。
8. PagedAttention 的收益主要体现在哪？
主要体现在三点：减碎片、提利用率、稳调度——也就是更高的 KV 利用率、更大的可服务上下文和更平滑的请求生命周期管理。它的重要性在于直接决定"同样一块卡能同时撑多少上下文、多高并发"。trade-off 是：在小模型、短上下文、低并发下，收益可能没那么明显。
9. Prefix caching 是什么？
Prefix caching 是指多个请求前缀相同时直接复用已有的前缀 KV cache，而不是每次都从头做 prefill。它的重要性在系统提示词固定、RAG 模板固定、多轮对话前缀重用度高的业务场景里，能显著降 TTFT 和显存压力。trade-off 是：需要维护 prefix 索引和安全隔离，命中率低时性价比就会下降。
10. Prefix caching 主要优化什么指标？
它更直接地优化 TTFT，因为省掉了重复 prefill 的时间，同时也能降低一部分计算和显存占用。重要性在于对长前缀、模版化很强的 workload 体验提升非常直观。trade-off 是：对自由度很高、个性化强的 prompt，命中率有限，不能指望它通吃所有场景。
11. 为什么 prefix caching 不一定总是收益很大？
因为它的收益高度依赖前缀复用率；如果业务里每个 prompt 都差别很大，那 cache 命中率会很低，维护 cache 的元数据和调度逻辑反而成了额外负担。重要性在于你要能根据 workload 判断"值不值当"。trade-off 是：可以把 prefix cache 设计成按路由、模版、租户做分层，而不是一刀切开关。
12. MHA、MQA、GQA 的区别是什么？
MHA 是每个 Q head 有对应的 K/V head，MQA 是多个 Q head 共享一组 K/V，GQA 是在两者之间做分组共享。它们的重要性在于都在用"减少 K/V 头数"来换更小的 KV cache、更低的带宽开销，对推理友好。trade-off 是：K/V 越共享，表达能力和灵活性越可能受限，需要在模型效果和系统效率之间做平衡。
13. 为什么 GQA/MQA 对推理更有利？
因为 decode 阶段的热点是"读 KV"，而不是"算 QK^T"，减小 K/V head 数就等于直接减小 KV 体积和访问量。它的重要性在于使长上下文推理更可行、更省显存，很多新模型默认就用 GQA/MQA 设计。trade-off 是：训练时可能要更仔细调参，避免表达能力下降。
第三部分：Batching 与调度
14. 静态 batching 和 continuous batching 的区别？
静态 batching 是先攒一批请求，固定 batch 跑完再处理下一批；continuous batching 则允许 batch 在运行中动态加入和移除请求。它们的重要性在于 LLM 请求长度差异巨大，静态 batch 容易被最长请求拖死，而 continuous batching 能显著提高整体 GPU 利用率。trade-off 是：continuous batching 调度复杂度更高，需要精心设计 scheduler 和 KV 管理。
15. Continuous batching 为什么适合 LLM serving？
因为 LLM serving 的典型特征就是"长短请求混在一起、输出长度不可预测"，静态 batch 的 padding 和等待成本会非常高。continuous batching 的重要性在于让 GPU 尽可能保持"有人干活"，而不是被长尾请求占住整个 step。trade-off 是：要防止饥饿和不公平，同时保证实现可维护。
16. 什么是 in-flight batching？
In-flight batching 本质上就是 continuous batching 的一种叫法，特别强调"正在执行的 batch 中可以动态插入新请求"。它的重要性在 NVIDIA TensorRT-LLM 等框架中，是达成高吞吐和良好延迟的关键特性。trade-off 是：对 runtime 控制面和调试复杂度的要求更高。
17. 什么是 chunked prefill？
Chunked prefill 就是把很长的 prompt prefill 切成多个小块按 step 执行，而不是一次性跑完。它的重要性在于避免单个长 prompt 把整张卡"卡死"，让 decode 和其他请求有机会插队，提高系统整体稳定性和尾延迟表现。trade-off 是：单个长 prompt 的理论最短时间可能略有拉长，但换来了整体更稳的服务质量。
18. Chunked prefill 主要改善什么？
它更偏向改善系统的尾延迟和多租户公平性，而不是追求单个长请求的极限时延。重要性在混合流量场景里特别明显，可以防止少量极长 prompt 把所有人拖慢。trade-off 是：如果场景全是均匀短请求，chunk 带来的调度开销可能不划算。
19. 什么是 P/D 分离？
P/D 分离 是把 prefill 和 decode 阶段拆到不同进程甚至不同机器上运行，针对各自负载特性独立扩缩容和调优。它的重要性在于 prefill 更 compute-bound，decode 更 memory-bound，把它们拆开可以更细粒度地控制延迟和资源利用。trade-off 是：增加了 KV 传输、架构复杂度和一致性维护成本。
20. P/D 分离一定能提高吞吐吗？
不一定，它更像是为"可控延迟和资源隔离"买单，而不是免费吞吐加速器。重要性在于很多官方文档都强调"它不保证 throughput 提升，而是给你更好的延迟和稳定性控制手段"。trade-off 是：如果 workload 很简单或量级不大，直接在一体化 runtime 里优化可能更划算。
第四部分：并行与通信
21. DP、TP、PP、EP 各是什么？
DP 是数据并行，多副本模型分摊不同请求；TP 是张量并行，把同一层权重在多卡切块；PP 是流水并行，把不同层放到不同卡按流水线跑；EP 是专家并行，主要用于 MoE，把不同 expert 分配到不同 GPU。重要性在于它们共同构成大模型"怎么塞进多卡"的基本工具箱。trade-off 是：每种并行在显存、通信和负载均衡上的代价完全不同，需要按模型和场景选型。
22. 为什么推理和训练不能机械用同一套并行策略？
因为训练更关心总算力效率和显存能否装下，而推理更关心单请求延迟、动态 batch 和线上稳定性。重要性在于很多训练时期看起来很香的并行策略，一搬到小 batch、在线 decode 场景下就会被通信和调度开销吃掉。trade-off 是：推理往往宁可多开副本做 DP，也不愿意过度细粒度切 TP/PP。
23. 为什么多卡不一定更快？
因为多卡除了分摊计算，还引入同步、通信、负载不均和更多 kernel launch / NCCL 调度开销。重要性在于你必须能解释"8 卡比 4 卡还慢"的真实原因，而不是只会说"可能实现有 bug"。trade-off 是：在 batch 小或 decode 碎片化的时候，宁可少卡高效也比多卡低效强。
24. AllReduce、AllGather、AllToAll 分别怎么理解？
AllReduce 用于把各卡的梯度或分片结果求和并广播，常见于 TP/DP；AllGather 是把各卡分片结果串联起来形成完整张量；AllToAll 是 MoE/EP 里典型的 token 重分发模式。重要性在于大多数通信瓶颈都可以映射到这几个原语上来分析。trade-off 是：AllToAll 功能最灵活，但对网络和拓扑要求也最高。
25. 为什么 MoE 场景更容易出通信问题？
因为 token 需要根据 router 结果被分发到不同 expert，而这些 expert 通常分布在多卡甚至多机上，频繁的 AllToAll 很容易把网络打满。重要性在于 MoE 常常"算力省了，但通信炸了"。trade-off 是：需要通过更好的 expert placement、路由策略和通信优化来抵消这部分成本。
第五部分：Kernel、CUDA、Triton
26. 为什么推理优化面试一定会问 CUDA/Triton？
因为很多性能瓶颈已经不在 Python 层或框架调度上，而落在 attention、layer norm、softmax、quantization、MoE dispatch 这些 kernel 上。重要性在于：没有 kernel 视角，很难真正解释"瓶颈在哪里"和"下一步怎么优化"。trade-off 是：工程上不能凡事都自己手写 kernel，要挑热点路径下手。
27. FlashAttention 解决了什么问题？
FlashAttention 没改 attention 数学形式，而是通过 IO-aware 的执行方式来减少高代价的显存读写和中间张量搬运。它的重要性在于显著提高长序列下的速度和显存效率，已经是很多框架里的默认实现。trade-off 是：实现更复杂，对 head dim、布局和硬件特性敏感，不是"一行代码换个函数"那么简单。
28. 什么是 kernel fusion？
Kernel fusion 是把多步算子合并到一个 kernel 里执行，以减少中间结果写回显存和 kernel launch 开销。重要性在于 LLM 推理 batch 经常不大，launch overhead 和 IO 成本比例更高，fusion 能明显提升端到端性能。trade-off 是：融合太重会让 kernel 变得难以维护和调优，并不总是收益最大。
29. CUDA Graph 为什么有用？
CUDA Graph 能把一段相对固定的 GPU 执行图 capture 下来复用，减少 CPU 端发射 kernel 的开销和调度抖动。它的重要性在于在高 QPS 或复杂 pipeline 下，CPU 很容易成为隐藏瓶颈。trade-off 是：对动态 shape 和控制流不友好，需要在静态性和灵活性之间平衡。
30. Triton 和 CUDA 的差别怎么答？
Triton 更像专门为深度学习 kernel 设计的 DSL，开发效率高、易于跨硬件调优；CUDA 则给你底层全部控制权，性能天花板更高。重要性在于很多团队会先用 Triton 快速验证和优化，再对个别关键 kernel 用 CUDA 手工榨干性能。trade-off 是：Triton 不一定覆盖所有硬件特性，极端场景仍然要回到 CUDA。
第六部分：量化与 Speculative Decoding
31. 为什么量化能提升推理效率？
量化通过降低权重和激活的比特宽度，减少显存占用和内存带宽压力，在硬件友好的场景下还能直接提升算子吞吐。它的重要性在于"让更大的模型跑在有限的卡上，并且服务更多并发"。trade-off 是：不同方法对模型质量、稳定性和硬件依赖程度差异很大，不能只看显存节省。
32. 量化一定更快吗？
不一定，速度收益取决于硬件支持（比如是否有 INT4/INT8 Tensor Core）、kernel 实现和 dequant 带来的额外开销。重要性在于你要能解释"显存省了一半但几乎没提速"的现象。trade-off 是：量化最稳定的价值往往先体现在"省显存、提并发"，而不是单请求延迟翻倍优化。
33. 什么是 speculative decoding？
Speculative decoding 是先用一个更快的 draft 机制（小模型或其他策略）猜一串 token，再让大模型批量验证，从而减少逐 token decode 的次数。它的重要性在于 decode 是很多系统的硬伤，spec 可以在不改大模型权重的前提下显著加速。trade-off 是：收益高度依赖 acceptance rate 和 workload 分布。
34. Speculative decoding 主要优化什么？
主要优化的是 decode 阶段的 token 生成效率，更直接改善 ITL，在高 QPS 或长回答场景中效果明显。重要性在于它补齐了"光靠 KV/调度还不够快"的那段空间。trade-off 是：不一定提升 TTFT，而且在 acceptance 低或 draft 很慢时甚至可能负优化。
35. 为什么 speculative decoding 不一定总能加速？
因为如果 draft 猜得不准，验证阶段就会做大量无用功，整体工作量未必下降，加上额外的控制逻辑本身也有成本。重要性在于你要知道 spec 是"机会主义加速"，不是稳定增益。trade-off 是：要根据模型、采样参数和 workload 实测 acceptance 决定是否开启以及怎么调。
第七部分：Benchmark 与 Profiling
36. 做推理 benchmark 最先要定义什么？
第一要定义目标：是看最大吞吐、最低 TTFT/ITL，还是某延迟约束下的 throughput；第二要固定 workload：prompt 长度、输出长度、并发数、采样参数、batch 策略。重要性在于没有明确定义就容易"换了问题还在比答案"。trade-off 是：要在实验可操作性和贴近真实场景之间取一个中间点。
37. 为什么 benchmark 不能只跑单 batch？
因为真实线上是动态请求流，而不是一个静态大 batch；很多系统优化（continuous batching、paged KV、prefix cache、P/D 分离）只有在动态并发下才真正发挥作用。重要性在于你需要设计"代表线上压测形态"的 benchmark，而不是只做 toy 实验。trade-off 是：更真实的 benchmark 更复杂、更难复现，但说服力要强得多。
38. Profiling 时怎么区分是 compute、memory 还是 communication 瓶颈？
可以按"算子时间 → 带宽利用 → 通信占比"三步来：kernel 算子时间长且 SM 忙但带宽富裕，多半 compute-bound；带宽打满但算力利用一般，多半 memory-bound；timeline 上大量 NCCL 或等待对端数据，多半 communication-bound。重要性在于只有先分清这三类，你后面的优化方向才不会跑偏。trade-off 是：profiling 要控制粒度和环境，否则很容易被噪音干扰结论。
第七点五部分：高级推理优化
43. CUDA Graph 在推理中有什么用？
CUDA Graph 把 decode 阶段相对固定的 GPU 执行图 capture 下来复用，减少每步 CPU 发射 kernel 的开销和调度抖动。它的重要性在于 decode 阶段 kernel 数量多但每个 kernel 计算量小，CPU 侧 launch overhead 占比很高。trade-off 是：对动态 shape 不友好，prefill 阶段因为 prompt 长度不固定通常无法使用。
44. KV Cache 量化解决什么问题？
KV Cache 量化 是把缓存的 K/V 张量从 FP16/BF16 压缩到 FP8 或 INT8，以减少长上下文场景下的显存占用和访存带宽。它的重要性在于 128K 上下文下 KV Cache 可能占到几十 GB，远超模型权重本身。trade-off 是：需要 per-channel 或 per-token 的 scale 策略来保持精度，且硬件需要支持对应的低精度读取。
45. 长上下文推理（128K+）的主要挑战是什么？
三个维度：KV Cache 显存线性爆炸、Attention 计算量 O(n²) 二次增长、位置编码外推能力有限。它的重要性在于长上下文是当前 LLM 产品的核心竞争力之一。trade-off 是：解决方案（FlashAttention、Ring Attention、KV 量化、RoPE 外推）各自有计算、通信或精度代价，需要组合使用。
46. 推理中 TP 和 PP 怎么选？
TP 切同一层权重到多卡，延迟低但通信频繁，适合机内 NVLink；PP 切不同层到不同卡，通信少但有 pipeline bubble，适合跨机。推理中优先 TP，因为推理 batch 小、延迟敏感，PP 的 bubble 占比更大。trade-off 是：能用 DP（模型副本）的场景优先 DP，因为零通信开销。
47. FlashAttention 的核心原理是什么？
FlashAttention 通过 tiling + online softmax 把 Q/K/V 分块加载到 SRAM 计算，避免 materialze O(N²) 的 attention 矩阵到 HBM。它的重要性在于同时省显存（不存 N×N 矩阵）和提速（减少 HBM 读写）。trade-off 是：实现复杂，对 head dim 和硬件敏感，FlashAttention-2/3 在不断改进调度和并行策略。
48. Temperature 采样的数学本质是什么？
Temperature 把 logits 除以 T 再做 softmax：
p_i = exp(z_i/T) / Σ exp(z_j/T)。T<1 让分布更尖锐（更确定），T>1 让分布更平坦（更随机），T→0 退化为 argmax，T→∞ 退化为均匀分布。它的重要性在于直接控制输出多样性。trade-off 是：T 太低会重复，T 太高会胡说，通常需要和 top-p/top-k 配合使用。
49. Perplexity 和 Cross Entropy 的关系？
Perplexity = exp(Cross Entropy)，即
PPL = exp(-1/N Σ log p(x_i|x_{<i}))。它的重要性在于 PPL 是评估语言模型质量的标准指标，越低越好。trade-off 是：PPL 不能完全代表生成质量，低 PPL 不等于输出更好用，但它仍然是最通用的基准指标。
50. RoPE 为什么适合推理？
RoPE 把位置信息编码进 Q/K 向量本身，使得 QK 点积自然包含相对位置信息。它的重要性在于 KV Cache 中的 K 已经带有位置信息，不需要因为绝对位置变化而重新计算，天然支持 prefix caching 和 KV 复用。trade-off 是：超出训练长度的外推能力有限，需要 NTK-aware scaling 或 YaRN 等技术扩展。
第八部分：框架对比
39. vLLM 的关键词怎么背？
我一般会总结成：PagedAttention、continuous batching、CUDA graph、prefix caching、chunked prefill、speculative decoding。重要性在于它基本代表了现代高性能开源 LLM serving 的"标配能力"。trade-off 是：vLLM 偏通用高性能，极致深度优化或特定硬件生态下，可能还要配合其他方案。
40. SGLang 的关键词怎么背？
可以记成：RadixAttention 做 prefix caching、zero-overhead CPU scheduler、prefill-decode 分离、continuous batching、paged attention、量化和多种并行支持。重要性在于它在 runtime 和 structured/agent 场景里走得比较前。trade-off 是：生态相对更前沿、迭代快，稳定性和长期维护也要综合考虑。
41. TensorRT-LLM 的关键词怎么背？
我会记成：in-flight batching、paged KV、chunked prefill、强量化能力、自定义 attention kernel、benchmark/serve 工具链一体。重要性在于在 NVIDIA 生态和追求极致性能的场景下，它往往是第一选择。trade-off 是：对硬件和工具链绑定更深，迁移性和开发门槛要提前评估。
42. 面试官问"你更推荐哪个框架"怎么答？
我会说：做研究和通用验证时更偏 vLLM/SGLang，看重开发效率和灵活探索；在 NVIDIA 生态里要追求生产级极致性能，会重点考虑 TensorRT-LLM。重要性在于展示你能"按需求选型"，不是盲目吹某一个框架。trade-off 是：任何选型都要结合现有硬件、模型类型、团队经验和运维成本来权衡。
第九部分：计算机网络
51. TCP 和 UDP 的区别？
TCP 面向连接、可靠传输（确认、重传、排序），有流量控制和拥塞控制；UDP 无连接、不可靠，但速度快。重要性在于分布式训练中 RDMA/NCCL 底层通信协议选择和故障排查都依赖网络基础。trade-off 是：TCP 可靠但延迟高，UDP 快但不保证送达。
52. TCP 三次握手 / 四次挥手？
三次握手： Client→SYN → Server→SYN+ACK → Client→ACK。三次是为了防止历史失效 SYN 导致服务器错误建立连接。四次挥手： FIN → ACK → FIN → ACK。四次是因为 TCP 全双工，每个方向需要独立关闭。
53. 输入 URL 到页面显示发生了什么？
DNS 解析 → TCP 三次握手 → (TLS 握手) → 发 HTTP 请求 → 服务器处理返回响应 → 浏览器渲染。重要性在于这道题考察全栈网络知识。trade-off 是：回答时先给骨架再按面试官追问展开细节。
54. HTTP vs HTTPS？
HTTP 明文传输端口 80，HTTPS = HTTP + TLS/SSL 加密端口 443。TLS 握手过程：协商加密算法 → 交换证书 → 生成会话密钥。
55. GET vs POST？
GET 是幂等的，参数在 URL 中，有长度限制；POST 非幂等，参数在 body 中，无长度限制。
第十部分：操作系统
56. 进程和线程的区别？
进程是资源分配的基本单位，有独立地址空间；线程是 CPU 调度的基本单位，共享进程地址空间。重要性在于分布式训练用多进程（DDP），理解进程/线程模型是基础。trade-off 是：进程安全性高但开销大，线程共享内存快但一个崩溃可能影响整个进程。
57. 死锁的四个必要条件？
互斥（资源不能共享）、持有并等待（已持有资源还等其他的）、不可剥夺（已分配不能强制回收）、循环等待（进程间形成环形等待链）。破坏任一条件即可避免。
58. 虚拟内存是什么？
每个进程有自己的虚拟地址空间，通过页表映射到物理地址，支持按需加载（Demand Paging）。缺页中断 → 从磁盘加载到内存。页面置换算法：FIFO、LRU、OPT、Clock。PagedAttention 的设计灵感就来自 OS 虚拟内存分页。
59. 用户态和内核态？
用户态只能访问受限资源，内核态可以访问所有硬件。系统调用是从用户态切换到内核态的途径。上下文切换时需要保存/恢复寄存器、PC 等状态，进程切换比线程切换开销大（需要切换页表）。
60. 进程间通信（IPC）有哪些方式？
管道（半双工，父子进程）、消息队列（内核链表）、共享内存（最快，直接映射同一段物理内存）、信号量（同步互斥）、Socket（支持跨机器）。分布式训练中 NCCL 底层使用共享内存和 Socket。
第十一部分：Python
61. GIL 是什么？
CPython 的全局解释器锁，确保同一时刻只有一个线程执行 Python 字节码。CPU 密集型任务多线程无法利用多核，需用多进程；IO 密集型任务 GIL 在等待时释放，多线程仍有效。PyTorch 训练能多 GPU 是因为计算在 C++/CUDA 层执行，GIL 被释放；多 GPU 用多进程（DDP），不受 GIL 影响。
62. 深拷贝 vs 浅拷贝？
copy.copy()浅拷贝只复制外层对象，内层共享引用；copy.deepcopy()深拷贝递归复制所有层级。常见坑：函数默认参数用可变类型（def f(lst=[])）会导致所有调用共享同一个 list。
63. 装饰器的本质？
函数的高阶函数包装。
@timer等价于train = timer(train)。装饰器接收一个函数，返回一个新函数。常用于日志、计时、权限检查。
64. 多进程 vs 多线程 vs 协程？
多进程：真并行，开销大，内存独立，适合 CPU 密集（multiprocessing）。多线程：受 GIL 限制，适合 IO 密集（threading）。协程：用户态轻量级，单线程并发，切换开销极小，适合 IO 密集（asyncio）。
65. is vs ==？*args 和 **kwargs？
is比较对象身份（id），==比较值。*args接收位置参数打包为 tuple，**kwargs接收关键字参数打包为 dict。
66. Python 的内存管理？
引用计数为主，标记-清除处理循环引用，分代回收提高效率（新生对象更频繁 GC）。
背诵建议
记忆技巧
- 关键词提取：每道题记住 3-5 个核心关键词
- 结构模板：定义 → 重要性 → Trade-off
- 场景联想：结合实际项目经历来记忆
- 对比记忆：相似概念对比记忆（如 FP16 vs BF16）
面试输出节奏
- 15秒：给出核心定义
- 10秒：说明重要性
- 5秒：补充 trade-off
注意事项
- 不要死记硬背，要理解后用自己的话表达
- 结合自己的项目经历来举例说明
- 遇到不会的问题，坦诚说明并尝试关联已知知识点