LLM算法实习一面面经分享-阿里云

感觉面完人都通透了，还是太菜了，下去沉淀一下1.实习拷打2.多头注意力，怎么发挥作用3.kvcache原理作用，为什么不cache q4.vllm深入，batch长度不一样怎么批处理，block不连续访问速度变慢怎么办?5.awg对比GPTQ等等6.awqgroup size怎么设置?做没做过测试校准对比?7.LoRA参数，挂在那些层8.python浅拷贝和深拷贝9.python闭包，装饰器，变量访问10.torch detached是做什么的11.训练时oom可能什么问题12.docker fle有写过吗13.docker启动如何加载自己的目录，环境变了怎么保留配置环境?14.gitrebase，merge，冲突怎么解决，改一半不想改了怎么办15.AIGC相关了解吗

这个面经是群里 小伙伴分享的 社招, 2年的工作经验 双非本9硕 将近40分钟都在问项目细节 项目这里我全部砍掉了1. 自我介绍2. 大模型在推理时通常分哪两个阶段，每个阶段关注点是什么一般分成 prefill 和 decode 两个阶段。prefill 阶段主要是把输入 prompt 一次性编码进去，重点看吞吐、并行效率和长序列的计算开销；decode 阶段是逐 token 生成，重点看单步延迟、KV Cache 复用和 batch 调度效率。很多线上推理慢，不是模型本身慢，而是 prefill 太重或者 decode 阶段调度策略不合理。理解这两个阶段，才能知道为什么有些优化只对长输入有效...

继续来分享下最近的面经~欢迎友好讨论，信息共享1.项目背景2.要解决的问题3.要解决问题的难点4.技术方案选型5.最终如何确定技术方案6.Qwen3-VL embedding 是怎么做的7.是怎么提取图片的8.用的什么提取器9.最终怎么嵌入到文本里10.怎么定义 DPO 训练集是高质量的11.DPO 训练数据量是怎么确定的12.数据量确定是拍脑袋，还是有原则13.为什么不用 SFT14.SFT 数据质量要求高体现在哪些方面15.如果现在用 SFT 去解决这个问题，从理论上能不能解决16.为什么不用 GRPO 解决，而是选择 DPO

最近按当前筛选整理了一波面经，这次挑了 10 篇相对值得复盘的内容，方便刷题和回看。1. 快手｜AI应用开发｜一面日期：2026-05-07关键词：快手面经难度：5 星标签：技术面 / 有代码题技术栈：Agent、Multi-Agent、MCP、Skill、Function Call、上下文工程、上下文压缩、短期记忆面经总结本场一面重点深挖AI Agent应用能力，尤其是多智能体、工具调用、上下文压缩与记忆架构设计，并考察了一道经典算法题。高频问题【Agent与工具调用】介绍多智能体范式以及各自优缺点。【Agent与工具调用】聊聊你对MCP的理解。【Agent与工具调用】是否了解Skill，介...