字节 AI Infra实习面经 好难

祝大家都能拿到满意的Offer！1.实习介绍2.对岗位的理解3.Qwen模型占了多少内存，在上一段实习中如何部署的4.介绍模型量化和Flash attention，实际优化效果如何5.介绍Tensorrt，底层方面如何加速6.是否了解vllm框架，追问PagedAttention7.介绍实验室项目，模型参数量计算量怎么算的8.Pytorch核心的基础功能是什么，有试过Pytorch对GPU进行管理吗9.模型训练和推理在资源、消耗上的区别，是否了解模型训练过程中性能优化的手段10.GPU和CUDA有了解吗，GPU基础的物理执行单元是什么11.手撕力扣hot100：将有序数组转化为二叉搜索树

段段投简历之前也没想到啊，猎头推荐的职位，居然是专家岗，后来想想就当攒面经了，咱也见识见识专家岗面试到底咋样，由于最开始忘了录音的事，所以没录上，最开始就是问了一些基础的东西。 话说回来，给这么多money，我感觉这钱纯纯拿命换啊。 话不多说，上链接！啊不对，上面经。 从面试问题来看，这一轮非常侧重于后端基础开发（Go/MySQL/Redis）以及大模型项目（特别是 RAG 检索增强生成）的工程落地细节。（段段的Go都是在公司硬着头皮上，然后带着学的，面试突击了一下）一、 大模型工程化与 RAG 落地Q1：商机智能体项目的背景与你的核心职责是什么？ 回答： 介绍了项目目标是为了提升商家的客服效...

整理下面经攒攒人品1. linear atten手撕2.moe手撕3.mha手撕4.mla手撕5.上面的手撕的访存计算。6.deepseekv3的结构伪代码手撕+参数量手算+每次推理访存量手算。7.算法题:堆排序8.手撕reduce和reduce的优化

我自己在搞 AI Infra/HPC，有两个一直在维护的仓库：一个是用 C++/CUDA 从零写的深度学习框架：OriginDL另一个是工作中一点点积累下来的 AI Infra/HPC 知识地图：ai‑infra‑hpc链接先丢这儿，感兴趣可以先 star 了再说：https://github.com/jinbooooom/OriginDLhttps://github.com/jinbooooom/ai-infra-hpc如果你是刚开始找工作，或者准备投大模型 AI Infra/HPC 方向的岗位，可以把下面这份当成一个「复习清单」：面试高频会围着哪些点打转、我当时是怎么系统整理的、以及怎么用...