超威半导体（中国）游戏图形开发工程师一面

发一下问题给大家参考，攒攒人品！1. 项目相关的访存优化问题2. 算子融合的实现难点3. 负载均衡问题4. 如何判断优化是否到瓶颈了5. 常见量化策略

攒人品中～ 1.介绍一下Transformer的架构，和传统RNN循环神经网络相比有何优势2.Transformer中参数都分布在哪里，参数量最大的是哪部分?计算量最大的是哪部分，为什么?3.了解GPU的cudacore、Tensorcore吗，你常用的GPU有哪些，他们的显存和显存带宽有多大?4.讲讲大模型的量化，讲量化算子5.详细讲pd分离6. 详细讲paged atten7.LC25题:K个一组翻转链表8.写cuda算子:前缀和。实现一个base的，讲优化方法9.写cuda算子gemm:实现一个base的，讲优化方法

今天刚完成毕业论文初稿，一直拖着没写秋招总结，来补一下，本人很菜单纯分享。bg双非本硕，研究生读的方向主要是cv相关，因为项目接触到nvidia orin一系列嵌入式板子，所以一开始实习找的方向是嵌入式AI应用，技术栈也是c++，python为主。因为项目跟orin芯片相关，被当时高通的mentor看中，运气很好找到了高通实习。实习内容跟智驾infra相关，由此接触部分ai infra知识。（由于原本一点基础没有，甚至没学过cuda）之后去b站和github上学习相关技术栈，通过傅哥的介绍视频了解到ai infra大概方向，后续便把重点方向放在推理方向（这个了解最多）。以下是秋招投递offer情况（因为过了很久，好多忘记了，记录不太准）：简历挂：vivo、寒武纪、地平线、小鹏、理想、阿里云、高德、阿里国际、平头哥(阿里系没过几个)、深信服、联发科  、商汤笔试挂：影石、大疆、淘天、饿了么（淘宝闪购）、海尔、海信一面挂：oppo ostar、荣耀、轻舟、蔚来、元戎、字节、海康终面挂：百度(百度换岗来回面了六面)泡池没泡出来：华为offer：小米相机部门infra、科大讯飞人才计划转普通批大模型推理优化岗位、高通转正最终去向：高通。虽然原部门没转正但是换部门转正了，这里非常感谢高通hr团队，高通hr真的很尽职专业，目前遇到的最好评的hr。并且高通这边做的方向个人很感兴趣，加上base也是理想base，直接决定去高通了。找工作时候非常内耗，面试阶段几乎一天两面，而且挂了这个新的面试又来了，并且面试要么一面挂要么终面挂，每天处于心态已崩和在崩的路上两种状态，好在结果个人还挺满意。秋招和实习一样，运气占一部分，剩下的就靠个人能力了，打铁还需自身硬。最后祝大伙都收获比较满意的offer。

1.请详细描述你在简历中提到的AI相关项目中，负责的主要模块和核心技术贡献。2.在设计一个高吞吐、低延迟的模型推理服务时，你会重点考虑哪些架构层面和工程层面的问题?3.请解释C++程序内存中栈(stack)、堆(heap)和静态/全局存储区的特点与主要区别。4.在C++中，new/delete`与'malloc/free`的主要区别是什么?为什么在C++中通常推荐使用前者?5.请解释深拷贝和浅拷贝的概念，并说明在什么情况下必须使用深拷贝。6.请阐述C++中'std:unique_ptr、'std..shared_ptr和'std:weak_ptr的设计意图、使用场景及相互区别。7.虚函数表(vtable)是如何实现运行时多态的?虚函数与纯虚函数(抽象类)在语义和用法上有何不同?8.什么是内存对齐?编译器对结构体进行内存对齐的主要规则是什么?请计算一个给定结构体(包含不同类型成员)在特定平台下的sizeof大小。9.请解释C++11中右值引用(&&)和移动语义(move semantics)的概念，并说明它们如何用于实现高效的数据转移(如std.:.vector的push_back)。110.简述CUDA的SlIMT(单指令多线程)编程模型，描述thread、block、grid的层次关系。11.在CUDA内核中，一个线程的局部变量通常存储在何处?这与寄存器的分配有何关系?12.在CUDA优化中，如何使用共享内存(Shared Memory)来减少对全局内存的重复访问?请举一个简单的例子(如矩阵乘法中的分块)。13.什么是warp shuffle指令?它在warp内部的数据交换和规约操作中有什么优势?14.解释在CUDA中使用float4或int4等向量化加载/存储指令进行合并访存的原理和性能收益。15.什么是共享内存的bankconflict?它是如何产生的?请举例说明。16.如何通过数据填充(padding)或其他内存布局调整技术来避免或减轻共享内存访问中的bankconflict?17.解释CPU缓存的工作原理，包括时间局部性、空间局部性的概念，以及常见的缓存替换策略18.编程题:实现一个算法，在一个包含大量整数的数据流中，实时找出出现频率最高的前K个元素。请描述你的思路(哈希表+最小堆)并分析时间复杂度。