2家简历挂，1家笔试挂，2家offer，投得少，竞争压力也不算大，还有点意外收获，让我更清楚自己的定位。

一面 8.7主要是拷打论文、项目还有八股，个人感觉难度适中，但是考察面交广泛。面试官做inference方向的，刚好项目里面有一个大模型推理优化的，所以拷打的比较多。具体八股问题依稀记得下面几个： 介绍一下分词的原理，现代大模型的分词方式。介绍一下Transformer架构，亮点在哪相较于LSM序列模型，Transformer的架构优势在哪Transformer到现在发生了哪些改变（从Transformer到LLama系列的变迁史，这个问的很细，一直追问）DeepSeek系列正则表达式和python脚本都什么时候用反问阶段：主要从事什么工作：HR全在讲推理，做得少，没怎么听得懂，但是总之和高校...

这次更过分啊，只约了半个小时的时间，静待如何羞辱

1. 在LLM推理里，我们经常听到一个词叫prefill，能解释一下它是什么意思吗？2. 我们来聊聊Transformer的基础吧。能先介绍一下Softmax函数吗？然后整体讲讲Transformer模型，特别是里面的QKV（Query, Key, Value）机制，能详细说说这个过程吗？3. Transformer的训练复杂度还挺高的，尤其是在处理长序列时。你了解哪些工作是致力于降低它训练时间复杂度的？4. 长上下文（long context）是现在LLM的一个研究热点，你都知道有哪些方法可以解决或者缓解长下文问题？5. GQA（Grouped-Query Attention）的原理是什么？...