编程题都蛮简单的，选择题啥的不咋会了，除了第三题有点坑(可能是我思路跟答案不一样）1.题目大概含义：初始数值a=1，每一次a<-a*k%m，一直循环到重复请问有多少个值？set+while暴力打完就行2.给定一个数组b和数值d，你需要构造一个数组a。并且有一个运算如下：对于你构造的数组a，如果ai>ai-1+d(想不起来是不是大于了）那么ai舍去。你构造出的数组必须字典序最小且长度最短。答案：遍历数组b，假如对于关系运算bi>bi-1+d满足，先塞1再塞bi3.有n*m个数组（n*m<=2e3)，有B,S两种果酱，对于每一行从左边丢掉K个果酱，最后B,S果酱数量要求相等，你需要丢掉最少的果酱为多少。答案:先建数组pre[n][m]；假如cntb>cnts，那么pre[i][j]=pre[i][j-1]+flag；假如a[i][j]为B，flag=1，不然为-1转换题意为：每一行取或者不取一个pre数组，代价为j，求到dp[sum]最小值为多少，sum=cntb-cnts;背包dp，状态如下：dp[i][z]对于达到i行，达到z最少代价是多少。我被坑在dp的列一定要开到n*m+1这样，它好像能从右边转化过来。硬是写了50分钟的编程题。(不确定是不是理解错了）

攒人品中，祝大家都能拿到满意的Offer！1.实习拷打2.项目吟唱3.具体说说在实践过程中遇到过哪些问题？如何解决的？4.快手的Onerec和Google的Tiger架构有什么区别？手撕：1.最长公共子序列2.二叉树层序遍历3.最长共公子序列

这一轮更偏大模型、量化和推理基础理解这场蚂蚁 AI Infra 三面，整体感觉和前两轮又不太一样。前两轮更多是在深挖我已经做过的项目，这一轮虽然也会问项目，但明显更关注我对大模型推理、量化、KV Cache、attention 这些基础问题到底理解到什么程度。开头还是先做自我介绍，我主要讲了自己现在在做的几个方向：一段偏工程化的软件开发经历，一段偏算子和图优化的实习经历，以及自己在做的一个基于 Python extension 的量化推理 runtime 小项目。这一轮项目部分问得相对直接。面试官先让我展开讲了自己做的那个量化推理 runtime。我这边讲的是，基于一个开源 runtime 做...

给我面没招了，感觉自己好菜、面试很难，还是要多多练习1.实习拷打2.项目介绍3.如何从数据层面判断负迁移？用哪些指标来衡量负迁移的严重性4.其他商业化的部门更看重什么指标的优化？5.神经网络的权重初始化是怎么做的？如果全初始化为0有什么后果6.怎么做的负采样？手撕：最长连续子数组

给我面没招了，发点面经攒攒人品～（1）实习拷打（2）多目标的推理为什么只用点赞，收藏和评论，训练却用了点赞，收藏，评论，关注等等多个目标？（3）AUC和GAUC有什么区别？各自的使用场景是什么？（4）广告主价值的advv计算公式是什么？如何定义转化？（5）离线取得了效果，线上却无效，如何解释？手撕：（1）MHA（2）算术平方根，保留2位小数

项目深挖更细，还聊了一道 CUDA 脑暴题这场蚂蚁二面的感觉和一面不太一样。一面更像是先确认你做过什么、懂到什么程度，二面则明显更深，基本是顺着项目细节一路往下追，尤其会反复确认你到底是不是亲手做过优化、怎么判断优化价值、怎么分析性能边界，以及你对更上层系统有没有兴趣。开场还是先让我用一个比较高层的方式讲实习经历、项目经历和职业规划，我这边还是重点放在了算子优化、图优化、量化推理 runtime 这些内容上。项目部分一开始还是围绕我现在做的方向展开。我先讲了三个相对核心的点：一个是单算子优化，一个是稳定性问题修复，一个是算子融合。单算子优化这块，我举的是把旧的手写实现替换成高性能库实现，再做单...

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.实习拷打2.项目介绍3.多任务模型为什么没有使用过ESMM？4.全量更新是怎么做的？增量更新是怎么做的？5.线上线下的验证指标都有哪些？6.多任务模型一般有哪些多任务7.特征优选是怎么做的？为什么要这么做？你还知道哪些特征相关性的分析方法？8.数据样本的比例是多少？9.讲讲PLE模型的架构，细节到每一层的输出都有哪些组成，维度是多少？八股1.讲讲transformer架构2.讲讲Lora，QLora微调的原理？还知道哪些大模型训练的框架3.了解过RLHF吗？4.有没有做过Agent，Agent一般是怎么做的？有哪些流程？5.讲讲ROPE，绝对位置编码和cos，sin相对位置编码的区别？你还知道哪些其他的位置编码？

发一下问题给大家参考，攒攒人品！有面试过同岗的朋友欢迎评论区交流实习+项目拷打1. 解决过拟合的方法有哪些2. 你知道哪些归一化方法3. 介绍一下自注意力的计算方法4. 介绍一下LoRA的原理5. 介绍一下ControlNet的原理

项目深挖很多，也聊到了互联和软件硬件协同最近面了一场阿里云的 AI Infra 二面，整体感受是，这轮不是那种偏八股或者偏刷题的面试，更像是围绕项目经历一路深挖，看你到底有没有真的做过优化，也看你对自己后面想做的方向是不是足够清楚。开头还是常规自我介绍，我主要讲了自己现在在做的方向，包括 AI Infra、异构计算、底层性能优化，以及一些算子开发、图优化、推理优化相关的经历。后面的问题也基本都是顺着这些内容往下展开。前半段主要是在深挖项目。面试官先问了我现在做过的几类事情，我把内容归成了三块：一块是算子优化，一块是算子融合和图优化，还有一块是一些稳定性问题和 bug 修复。这里他问得比较细，不...

攒攒人品！有面试过同岗的朋友欢迎评论区交流1. 在LM-as-Judge评测中，如何设计实验验证评测模型的打分偏差，并消除其对最终结果的系统性影响？2. 多模型交叉评测时，若出现明显的打分分布偏移，如何量化偏移程度并设计校准策略？3. 针对Data Agent的数值计算与逻辑推理场景，如何设计细粒度评测维度，避免只以最终结果论对错？4. 如何构建高难度的对抗评测样本，以有效暴露Agent在工具调用、参数传递中的隐蔽缺陷？5. 如何评估评测 pipeline 本身的可靠性？如何证明你的评测结果是可复现、可置信的？6. 在长链路多步推理场景下，如何设计评测机制，区分中间步骤错误与最终生成错误？7. 面对人工评测与自动化评测结果严重冲突时，如何设计决策机制与置信度评估方案？8. 如何在不显著增加调用成本的前提下，提升LM-as-Judge对细微错误、逻辑漏洞的检测能力？9. 模型迭代后如何设计回归评测体系，精准定位能力退化点并归因到具体训练或结构改动？10. 多Agent协同任务中，如何设计评测指标区分单Agent能力问题与交互调度逻辑问题？手撕：现有列表 A，B、C 均调用 A，B 执行出错导致 C 连带错误，从评测与测试角度该如何定位根因？

被挂了，希望发出来对大家有帮助！1.皮尔逊相关系数的适用场景和缺陷分别是什么？在外卖业务特征分析中该怎么合理使用？2.传统机器学习中，如何处理业务数据里的特征漂移与样本不均衡问题？3.简单描述 Agent 的核心架构，并说明它可以在外卖数据分析中落地哪些场景？4.从零搭建一个外卖数据分析 Agent，你会怎么设计整体流程与模块？5.Agent 在多步骤数据分析任务中容易调用出错，该如何做任务拆解与异常处理？6.如何保证数据分析 Agent 生成的结论可信，减少幻觉与计算错误？7.假如要设计一个外卖平台数据分析专用 Agent，你认为它的 pipeline 应该是怎样的？手撕：两数之和

先做代码题，再深挖算子优化、图融合和量化这场阿里一面整体给我的感觉是，节奏比较紧，前面先处理了一个在线代码题，后面基本都是顺着项目经历往下深挖。代码题是“队列的最大值”，要求均摊 O(1) 地返回当前队列最大值，我当时用的是普通队列加单调双端队列这套常见思路：一个队列维护正常入队出队，另一个双端队列维护当前可能成为最大值的候选元素。这个题本身不算特别难，但相当于是先热一下身，也看你对基础数据结构是不是熟。后面的主体还是项目追问，而且问得挺细。面试官先从我做过的算子优化、图优化这些经历切进来，重点问的是：你到底怎么判断哪些地方值得优化，哪些算子值得单独提出来做性能优化，哪些链路值得做融合。我当时...

✅ 春招备战指南 ✅ 💡 学习建议：  先尝试独立解题 对照解析查漏补缺   🧸 题面描述背景等均已深度改编，做法和题目本质基本保持一致。 🍹 感谢各位朋友们的订阅，你们的支持是我们创作的最大动力 🌸 目前本专栏已经上线200+套真题改编解析，后续会持续更新的  春秋招笔试机考招合集 -> 互联网必备刷题宝典🔗 蚂蚁-2026.04.09-算法岗 三道题方向各异：第一题考查单调性判断，第二题建模为 HMM，用 Viterbi 求最优路径，第三题需要分解最小公倍数中的质因子结构。题面表述清晰，难点在于每题所用模型差异较大，切题方向需要分开判断。 1. 柯南的机关积分 问题描述 柯...

面试很难，还是要多多练习，感觉自己说不明白业务逻辑1.项目狠狠拷打2.推荐系统中为什么会有长尾问题3.传统推荐当中怎么解决长尾问题4.Tiger有什么缺陷 怎么改进5.对比学习6.手撕 最长递增子序列

算子优化、量化、图优化都问到了最近面了蚂蚁的 AI Infra 一面，整体感受是，这一轮比较偏工程理解，不是只问八股，更想看你是不是真的做过优化，能不能把问题、分析过程和思路讲清楚。一开始是自我介绍，后面主要围绕我现在实习里做过的事情展开。面试官先让我讲了实习中解决过的一些问题，重点问到一个算子要不要优化，该怎么判断，以及如果决定优化，具体会怎么做。我这里主要是从热点分析、瓶颈判断和优化路径选择几个角度来回答。比如先看它是不是耗时热点，再看问题到底是算力瓶颈、访存瓶颈，还是调度和启动开销，然后再决定是做 kernel 优化、算子融合、图优化，还是数据布局调整。后面问得比较多的是量化。先考察了我...

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.实习拷打2.项目拷打3.码本坍塌怎么解决4.怎么衡量生成的sid的质量5.生成式推荐出现幻觉怎么解决6.介绍onerec v1v2 think7.手撕 最长无重复字符的子序列

全程50min左右攒攒人品！有面试过同岗的朋友欢迎评论区交流1.项目拷打2.adam优化器3.ppo的优化目标4.grpo对ppo的改进5.grpo后续的改版6.lora微调时更新了哪几个层的参数 参数r是什么用的 设为多少 有什么影响7.dpo sft的应用场景8.介绍注意力机制9.介绍位置编码手撕 限制数组长度的最大子数组和

攒人品中，祝大家都能拿到满意的Offer！1. 说一下Qwen-VL-2.5的训练过程2. 为什么Qwen训练中要加后训练，作用是什么？3. 偏好对齐这一步的作用是什么？4. 介绍一下SD和FLUX的区别5. 使用DiT相比UNet的优势6. CFG的原理是啥7. LoRA微调的原理8. DDPM和DDIM有什么区别？9. 介绍一下PPO和DPO的区别10. 什么是SMPL？有哪些参数？11. 使用SMPL的人体在穿宽松衣服时会有什么问题？12. 介绍一下markov13. 介绍一下单流和双流Transformer block14. DiT使用的是BN还是LN，为什么？15. 使用BN在训练和推理时有什么区别？手撕MHA

攒人品中，祝大家都能拿到满意的Offer！1.项目拷打2.针对业务中用的技术深挖，不同的LoRA怎么训练的？3.数据集怎么制作？4.Lora的权重怎么设置？5.训LoRA用的库是什么？6.LoRA的原理是什么？7.实习拷打8.coding部分是dfs，leetcode 200 岛屿数。