七、大模型（LLMs）推理面

本文精心汇总了多家顶尖互联网公司在大模型大模型（LLMs）推理面考核中的核心考点，并针对这些考点提供了详尽的解答。并提供电子版本，见于文末百度云盘链接中，供读者查阅。

大模型（LLMs）推理面
• 一、为什么大模型推理时显存涨的那么多还一直占着？
• 二、大模型在gpu和cpu上推理速度如何？
• 三、推理速度上，int8和fp16比起来怎么样？
• 四、大模型有推理能力吗？
• 五、大模型生成时的参数怎么设置？
• 六、有哪些省内存的大语言模型训练/微调/推理方法？
• 6.1 如何 估算模型所需的RAM？
• 6.2 Fp16-mixed precision
• 6.3 Int8-bitsandbytes
• 6.4 LoRA
• 6.5 Gradient Checkpointing
• 6.6 Torch FSDP+CPU offload
• 七、如何让大模型输出合规化
• 八、应用模式变更
• 九、模型输出的分布比较稀疏，怎么处理？
• 十、在使用LLM（Lamma2模型）对同一组prompt重复进行5次 greedy 预测时，为什么针对相同的prompt，
模型所得出的答案会出现不一致的情况？
• 十一、如果做二分类的few shot任务，In Context Learning和Supervised Fine-tuning主要的区别是什么？
• 十二、大模型训练经常出现一些OOM问题，在现有硬件基础下，有什么性能提升trick
• 十三、LLaMA模型输入句子理论上可以无限长吗？
•