你们的 FP32 训练管线要推进混合精度改造，模型是百亿参数级稠密模型，跑在 64 卡、单卡 80GB 显存的集群上，节点内带宽高、节点间带宽是节点内的十分之一量级。团队里有人主张「统一换 BF16，代码改动最小」。你要拍板精度分配方案：哪些算子走低精度、哪些必须留 FP32？优化器的 master weight 和梯度 reduction 用什么精度？你会怎么设计灰度、监控和回滚，让这次改造能在多个业务线复用？请给出你的判断依据。

面试官在考什么

判断候选人能否从算子数值特性、通信/显存成本和组织落地三个层面设计混合精度方案，而不是把它当成一个全局开关。

混合精度

回答框架 · 前两步

1. 计算密集算子（GEMM、卷积、attention 里的 QK^T 等）用低精度输入加 FP32 累加；softmax、layernorm、loss 计算、reduction 等数值敏感算子留在 FP32。
2. 权重 master copy 和优化器状态保持 FP32，更新后再 cast 回低精度供前向使用。

延伸阅读

• 技术面到底在考什么：三类考点的及格线与加分线
• 从「背过」到「能选型」：原理的三层准备法

想看这个方向的整体准备路线？ 进入「深度学习基础」方向页

同一能力域的其他题

• 训练一个深度学习模型时，loss 突然变成 NaN，你会按什么顺序排查？请给出你的排查清单。
• 显存不够时你会怎么办？请按"最小改动到最大改动"排序给出你的方案。
• 你的模型离线指标很好但线上效果很差，你会从哪些角度排查？请按优先级说。
• 梯度裁剪是解决什么问题的？按值裁剪和按范数裁剪有什么区别？裁剪阈值你会怎么定？
• 模型参数量、FLOPs、显存占用、推理延迟这四个指标之间是什么关系？为什么参数量小的模型有时反而更慢？
• 你要在 A100 上训练一个 1B 参数的语言模型。用 fp16 + GradScaler 的 AMP 方案时，loss 能降但曲线比纯 fp32 抖动明显，大约 2000 步时突然出现溢出、之后又恢复。同事说「直接换 bf16 就行了，bf16 比 fp16 精度高」。请回答三件事：(1) fp16 和 bf16 在指数位/尾数位上到底差在哪；(2) 为什么 bf16 通常不需要 loss scaling 而 fp16 需要；(3) 换成 bf16 后你预期抖动、溢出和最终收敛会怎么变，代价是什么。