蔚来效能一面凉经～

1面30分钟14:00-14:301.自我介绍-ppt，介绍项目2.项目问题聊了挺久3.编队时遵循什么算法？领导跟随者是如何设计的？4.图像识别中用的什么方法，神经网络还是OpenCV？模型训练过程？5.是否了解智能驾驶，对智能驾驶了解哪些内容？6.能实习多久，说有实习6个月以上的要求。2面30分钟自我介绍实习经历项目经历深挖无八股无手撕ros知识询问3天后OC

1、自我介绍2、项目拷打3、介绍 DeepSeek 与 Manus，以及他们之间区别4、介绍 LLM Decoder-Only 架构Decoder-Only 架构本质上就是只使用 Transformer 里的 Decoder 结构，通过自回归的方式一个 token 一个 token 地往后生成内容。它的训练目标通常是 next token prediction，也就是根据前面的上下文预测下一个 token。它的关键点在于 Masked Self-Attention。所谓 masked，就是当前位置只能看到前面的 token，看不到后面的 token，这样模型才能按从左到右的方式学习生成。整体结...

攒人品中，祝大家都能拿到满意的Offer！1.项目拷打2.八股：了解过什么推荐系统里的精排模型解释DIN原理3.手撕：反转链表  MHA

1、自我介绍2、训练和推理的并行策略大模型训练和推理常见的并行策略主要有数据并行、张量并行、流水线并行和专家并行。数据并行是每张卡放一份完整模型，不同卡处理不同 batch，然后通过 All-Reduce 同步梯度。它实现简单，但模型太大时单卡放不下。张量并行是把同一层的权重按列或者按行切到多张卡上，每张卡只算一部分，再做通信聚合，适合单层参数特别大的场景。流水线并行是把不同层分配到不同 GPU 上，让不同 micro-batch 像流水线一样流动，能解决单卡放不下完整模型的问题，但会有流水线气泡。专家并行主要出现在 MoE 结构里，不同 token 路由到不同专家，参数量可以很大，但每次只激...