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