下面是一套 Lecture 5 Exit Ticket，对应 lec5.md 的当前内容。把它当成一张“GPU 直觉卡”会更顺手。重点不是背硬件名词，而是看你有没有把算力、带宽、访存和并行执行方式串成一幅图。

Exit Ticket（10 题，开卷）

1) CPU 和 GPU 的分工为什么不一样

请用 2 句话回答：

• CPU 想优化什么
• GPU 想优化什么

2) 为什么内存层次对 GPU 这么重要

请回答：

• HBM、shared memory、cache 这些层次各自大概在干什么
• 为什么“搬数据”常常比“算一遍”更贵

3) roofline 这张图为什么经常被拿出来讲

请用 2 句话回答：

• 它想把什么关系讲清楚
• arithmetic intensity 为什么会决定你更像 compute-bound 还是 memory-bound

4) coalescing 和 branch divergence 听起来像黑话，其实在说什么

请分别用一句短语解释：

• coalescing 是什么
• branch divergence 会让 GPU 发生什么

5) shared memory 和 tiling 为什么总是一起出现

请用 2 到 3 句话回答：

• shared memory 解决了什么问题
• tiling 为什么会提高复用率

6) operator fusion、低精度、FlashAttention 分别在省什么

请回答：

• fusion 为什么能减少开销
• 低精度为什么能帮忙
• FlashAttention 为什么特别适合这门课的讨论

7) 为什么 attention 特别适合拿来讲 GPU

请用 1 到 2 句话回答：

• attention 的计算和访存为什么容易互相拉扯
• 这对 kernel 设计意味着什么

8) 矩阵乘法为什么总被当成性能标杆

请回答：

• 它为什么是最常见的基准任务之一
• 你会从它身上学到什么优化顺序

9) 如果你要优化一个算子，你会先看什么

请用 1 到 2 句话回答：

• 你会先盯算力、带宽还是访存
• 为什么“少搬运数据”是总原则

10) 用一句话把这讲的工程直觉说出来

请尽量自然一点：

• GPU 优化的核心是什么
• 为什么“算得顺”比“算得多”更重要