算子优化、量化、图优化都问到了最近面了蚂蚁的 AI Infra 一面，整体感受是，这一轮比较偏工程理解，不是只问八股，更想看你是不是真的做过优化，能不能把问题、分析过程和思路讲清楚。一开始是自我介绍，后面主要围绕我现在实习里做过的事情展开。面试官先让我讲了实习中解决过的一些问题，重点问到一个算子要不要优化，该怎么判断，以及如果决定优化，具体会怎么做。我这里主要是从热点分析、瓶颈判断和优化路径选择几个角度来回答。比如先看它是不是耗时热点，再看问题到底是算力瓶颈、访存瓶颈，还是调度和启动开销，然后再决定是做 kernel 优化、算子融合、图优化，还是数据布局调整。后面问得比较多的是量化。先考察了我...

双非要怎么才能找到工作😰好焦虑😭😭😭😭

不是我应聘个it技术支持岗位4-6k 还学历歧视上了😭

1. 项目拷打 问的非常细 , 聊了30min2. GRPO 里的 reward 一般怎么设计，怎么避免模型学歪GRPO 的 reward 设计关键不是“打分越多维越好”，而是要保证相对排序真的有意义。常见做法是把 reward 拆成几部分，比如正确性、格式遵循、长度惩罚、拒答合理性、安全性这些，再做加权组合。对于推理任务，最核心的一般还是结果正确性和过程可验证性；对于开放式生成，还得控制风格漂移和模板化输出。真正难的是 reward hacking。模型很容易学会一些表面上拿高分、实际上没解决问题的套路，比如故意写很长、固定套模板、强行迎合裁判模型。所以 reward 设计通常不能只靠单一 ...