下辈子不要搞算法了

面试官自我介绍 介绍业务自我介绍1-2个项目深挖：（不得不说字节面试官水平很不错，感觉是之前所有面试中问倒我次数最多的一场）追问了很多项目中的motivation选择神经网络的依据，和数据集是否匹配，和最终任务是否匹配如果这是一个排序问题，为什么选择使用交叉熵作为损失函数？评测集是如何构建的？正负样本的分布比例和数据规模是多少？为什么只看 ROC-AUC 指标？你知道它是否存在偏差？你听说过 PR-AUC 吗？在这个推荐场景下，为什么用 ROC-AUC 而不是 PR-AUC？代码题考了手撕mlp题目（全英）：有一个分类任务，设计mlp，输入层隐藏层输出层维度没限制，至少一层隐藏层，自行选择损失函数、optimizer，面试官会和你讨论参数的选择卡住了面试官会给提示反思：代码题没准备dl相关，大概写出来了结构但是感觉没完全发挥出来项目的每个部分的motivation还不够充分

从3.13号开始投起，除了拿到几个agent的offer（都拒）之外，就没有什么合适的offer了。转vlm确实很难，多模态项目都是自己做的，阿里实习的关于视频生成的，不知道我还需要做哪些努力才能找到vlm的实习啊。百度空间理解（一面挂），小红书（内容生成一面挂），字节（多模态/AIGC，抖音直播内容理解一面挂），商汤agent（一面挂），快手多模态（一面挂），阿里系乱捞都不合适也挂了

给我面没招了，感觉自己好菜、面试很难，还是要多多练习1.项目拷打2.你在去部署或者训练预训练或者后训练的模型时，有没有用过一些比较底层的一些训练的调试的工具，比如说千卡的话很容易就会出NCCL timeout，如果出现 NCCL timeout，一般怎么定位和解决？3.像那种rl里面的那个MOE之类的那种的优化有去做过吗4.看您的训练经验比较丰富，而且您上线运行的推理内容之前也进行过一些什么样的优化吗？5.有没有做过 kernel级别的优化？比如用 CUTE DSL或者手写 CUDA去做 fusion这类算子融合优化，介绍一下6像底层，如果你们在做.kernel fusion，倾向于用什么方式来做7.有没有哪次你做了 fusion 结果性能反而下降的？原因是什么8.平时写 CUDA的时候，有没有关注到底层实现细节？比如你刚提到 FA2，那再往下一层，像 Hopper架构里那个 warp specialization是什么，它底层大概是怎么实现的9.试过用 Agent去生成cuda内核么，怎么去做的10.如果我把 warp specialization 去掉，只保留 tile 和 shared memory 优化，大概会损失在哪？11.怎么么判断一个 MoE 模型是真的学到了分工，而不是只是把 dense模型拆开了12.在 RL + MoE 里，有没有遇到过 reward把 routing学坏的情况？就是模型为了拿 reward，全都走某几个 expert，这种情况你当时是怎么处理的

面试官人很好，上来先介绍业务，很详细1. 自我介绍2. 问职业规划3. 实习业务介绍4. 讲讲实习难点5. 你这个实习这个难点实现这里用了什么设计模式（设计模式很久没看忘了），就问了问你了解那些设计模式6. 缓存击穿穿透雪崩7. ai使用情况（大吹特吹）8. 算法题面试官说没意义了，但还是走下流程，出了个最小栈反问面试官，说思路和表达非常清晰，实习理解很到位，ai使用很优秀，还说他们这边也有好些服务是go写的（我是纯血go非JAVA，之前听说美团喜欢纯血JAVA还以为凉定了就纯娱乐局了），提醒我一面不会太多技术，流程上下一面会更多关注技术深度业务一部分是无人机仿真