理想汽车 性能优化工程师

一面：
1. 从Tensor层面讲梯度反传 (detach的底层实现)
2. 动态图、静态图是怎么实现梯度反传的？
3. namespace的变量是如何进行隔离的？
4. 动态库和静态库的各自优势和区别？
5. 分布式训练语句primitive有哪些？data parallel 还是model parallel ?
6. ONNX底层是怎么实现的，为什么不使用ort进行推理？
7. TRT底层是怎么进行优化的？
8. 各种卷积的计算量如何计算？
9. self-attention的 Q、K、V具体是做什么的？概念上解释，比如给你个句子，Q、K、V具体指的是？
10. GEMM对稀释矩阵和稠密矩阵的各种优化？
11. 推理框架对数据搬运、IO的优化？
12. 3D检测你了解吗？
13. DETR是如何去掉后处理的NMS的？（DETR相关）
14. 你了解LLVM吗？
15. 你了解LLM中的KV cache吗？用通俗易懂的或者足够专业的表述描述。
16. C++是如何在其他机器上运行的，自举编译的过程。
17. BN在推理和训练时如何做的？具体的公式？momentum动量你知道吗？他的目的是什么？
18. BN与LN分别作用的是哪里？具体作用是？
19. 你认为未来AI会往什么方向发展？需要什么样的人才？
20. 你训练过Transformer吗？
21. 为什么用relu不用sigmoid？
22. dp与ddp的原理与区别？
23. SGD与AdamW之间的异同？

二面：
1. 如何保证精度稳定性？
2. 浮点运算为什么没有结合律？
3. 给你三维的grid、block、thread 求layout对应的地址。
4. 有哪些情况可能会出现精度丢失?
5. 实现GEMM需要几次for循环，时间复杂度是？
6. 递归实现的GEMM的时间复杂度?
7. 时间复杂度小o的定义?
8. 递归计算时间复杂度的master rule?

时间线：

10.8 一面
10.10 二面
10.11 意向

背景：211本硕 44人厂实习 无论文