1. 基础概念题：什么是大模型核心加速技术中的 “算子融合”？举例说明其作用。答案要点：算子融合是将多个连续计算算子合并为一个，减少计算图中的节点数和显存读写次数，降低延迟。举例：如将 Transformer 中的 Add（残差连接）与 RMSNorm（归一化）融合，减少两次内存访问，提升推理速度。2. 技术原理题：Flash Attention V2 如何优化注意力计算效率？与 V1 的核心区别是什么？答案要点：• V1：通过分块计算注意力，减少显存占用（避免存储所有中间键值对）。• V2：引入 “内外循环交换策略”，将矩阵乘法的循环顺序调整为更适合 GPU 并行计算的模式，进一步提升计算效率，尤其在长序列场景下加速明显。3. 量化技术中，FP8、INT4 AWQ、INT4-FP8 AWQ 的适用场景和压缩率有何差异？4. RAG 系统中，文档切分粒度如何影响检索和生成效果？实际中如何确定最优粒度？5.在长序列推理场景中，PagedAttention 和 Prefix Caching 分别解决什么问题？如何配合使用？答案要点：• PagedAttention：将 KV Cache 分块存储在非连续显存中，避免显存碎片，支持处理超长序列（如百万 Token）；• Prefix Caching：缓存历史对话的 KV 对，跨请求复用，减少重复计算（如多轮对话中复用上文缓存）。配合逻辑：PagedAttention 解决显存限制，Prefix Caching 减少计算量，两者结合可提升长对话场景的效率和稳定性。6. 在企业级推理场景中，如何根据需求选择量化方案？举例说明短文本高并发和长文本场景的优化策略。实时客服系统用 INT4 量化加速响应；金融报告生成场景用 FP8+PagedAttention 处理数千 Token 输入。

26 年毕业，研究方向为深度学习图像相关的。目前有一篇北核，一篇 ei，一项专利。1、继续搞图像处理算法，实验室有矿上的项目是目标检测的，还算贴合。2、搞大模型应用，学一学 rag 和 agent。因为有一个师兄毕业转的大模型应用，整的还不错，在南京外企，一年 25。还有目前比较困扰的是这两个岗位对于学历的要求和市场的需求量

双中2软工，秋招准备allin央国企，目前在一家勉勉强强中厂的厂实习(10000+人 + 有一点名气)，干的都是dirty work，最开始感觉无所谓，但是感觉周围人都去大厂实习了慌了，各位神通广大的🐮友们，能说说进央国企要咋准备，最近还投了投运营商的暑期实习😭

4.17投的简历4.30约我一面5.8一面Redis实现Session共享的延伸：如果用的是本地缓存，如何实现数据一致性？会有什么问题？Redis的RDB持久化和AOF持久化Mysql什么能保证数据崩溃重启不丢失？Mysql的binlog日志Redis的Cache Aside Pattern和Read/Write Through Pattern缓存穿透的解决如何实现视频的点赞取消，判断用户是否点赞，点赞的次数（Redis）如果不使用设计模式是否可以？设计模式是为了干嘛的?TCP四次挥手（如果存在用命令查到，系统中存在大量Close wait状态，是因为什么？）双亲委派模型（大体上是这些，其他的有些忘了）是否有offer了？反问：有什么可以改进的地方？接下来还有几轮面试？代码题：在保证线程并发安全的情况下，并发读取多个文件的字符串，并且合并统计出现次数，确保5秒的超时时间。面试官人很好，会一直提示你，并且出的题都是根据场景来的，我最后代码题，有一点点没写出来的代码，面试官也帮我点出来了。也是经过两周hr给我打电话说部门没hc了，意料之内，情理之中复活换了个部门进行二面，5.23二面，一共1小时15分钟左右二面全程拷打项目，我写的是点评加12306，不过本人写了两段大数据开发的实习经历（没问）面试官问，我一边回想一边说自己做了什么项目改进3天后告知2面通过，约了5.29进行3面5.29三面发现是TL和HR一起面的，TL拷打我项目几个问题， 我记得最深刻的一个是我用lua脚本代替分布式锁来进行抢单，lua脚本好在哪里？没回答中点，擦边回答了，最抽象的是hr换岗之后没跟我说部门是哪里的（不是三面的hr），然后他问我知道公司在哪里么，我回答了一堆意向杭州的话，听到他们说北京的时候有点红温了，赶紧圆了一下。反问：培养方案是否有机会转正进去负责的业务5.30 oc，感觉几个月以来的付出都有了回报，这几个月都看着大佬们的oc非常羡慕，终于自己也等来了收获，来此还愿，积攒人品，我希望大家在周围人都oc，坚持不下去的时候都咬牙坚持下来，别放弃自己，越痛苦沉重的时候，越要学习，机会来临的时候，很可能只有这一次，请把握住！