继续来分享下最近的面经~1.实习拷打2.项目拷打3.问了LoRA的原理，问了之前训LoRA使用的秩是多大。4.然后有结合业务问你如何处理自动驾驶场景的这种4D label中的动态目标，如何做动态跟踪？5.介绍一下你之前一段实习做的任务，输入输出是什么，如何做数据清洗6.最后coding手撕MHA

项目拷打：问了我两个项目的ai功能是怎么实现的，然后我说只是调用了一下ai模型，微调了一下系统预设，然后就感觉面试官对项目不感兴趣了，他直接说没看到什么亮点😭，让我自己说一个亮点，我说对ai接口限流，他以为是我对大模型进行流量控制，一下子来劲了，然后我说是使用Redission的令牌桶对接口限流，他就停了一下，接着问我会不会写python脚本，绷不住了😂八股拷打接口和抽象类有什么区别？Java中volatile关键字的作用是什么？volatile的底层实现是什么？（就说了什么Load屏障什么之类的，没答全😭）MySQL的事务隔离级别有哪些？MySQL的默认事务隔离级别是什么？MySQL默...

问简历 cutlass2.0 怎么实现grouped gemmfa3和fa4区别blackwell和hopper比有什么变化hang都有可能因为什么，分别要如何排查CUDA_DEVICE_MAX_CONNECTIONS能干什么，和launch bound什么关系寄

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...