图上密密麻麻，微服务节点十几个，链路复杂得像一张蜘蛛网。 我盯着看了半个小时，打开代码，翻了两个小时，然后在群里发了条消息： "找到了，这里有个同步调用链，高并发下会串行阻塞，延迟会指数级放大。" 导师回复只有两个字："改吧。" 那之后，我开始真正明白"高并发"是什么意思。 不是课本上的题目，不是面试题里的背诵答案。 是真实流量打过来的那一刻，监控大盘上的 P99 延迟曲线陡然上翘，是凌晨告警响起，所有人盯着日志找根因的那种真实感。 我负责的模块，是分布式系统下最难受的那类问题——容灾容错。 系统在高流量下能不能撑住，节点故障了能不能...

本人9本无实习经历，二月初开始面试，快手xhs简历都挂，京东一直泡池子，腾子三面挂，滴滴大模型算法一面挂，美团二面挂，亚麻OA都A了也挂，Google一面也挂。反正都是在挂中度过的，其实二月也是比较焦虑和陷入自我否定当中吧。但是还是比较感谢节子的速度的，而且面试的过程里面的氛围和节奏都很舒服，介绍业务和发展方向也是很明晰的。hr小姐姐人也挺好的，而且全程都是hr加我微信进行推进的，有什么情况和我说和和及时帮我推进流程，每次面试前都会提醒我今天的面试以及祝我顺利。（我感觉体感上面，志节是我面过的体验最好的一个了，从hr到面试官人都不错）timeline:3.6投简历推进评估3.7 hr打电话来约面3.9一面，20min后约二面3.11二面，二小时后约三面3.13三面，两小时后约hr面3.13hr面，面完就差不多oc了3.17 收到正式的offer

笔试时间：2026年3月18日往年笔试合集：2023春招秋招笔试合集2024春招秋招笔试合集第一题：大模型训练显存优化算法题目在大模型训练中，为解决NPU显存不够用的情况，通常采用张量swap或者张量重计算的方式进行优化；张量swap是把张量的数据先搬到CPU，需要的时候，再从CPU搬回NPU；张量重计算是在需要张量的值时，在NPU上重新把张量的值计算出来。假设把模型部署到NPU上，还需要 m 大小的存储空间，才能让大模型运行起来；目前有 n 个候选张量，每个张量占用一定的存储空间；n 个张量中的每个张量都可以进行swap或者重计算，swap和重计算分别对应不同的代价；试着编写一段程序，从 n...