飞腾AI infra实习一面 40min

1. 项目中遇到的问题及解决方案2. 多线程结构从有锁到无锁的改进点消除锁竞争、线程阻塞与上下文切换使用原子操作 atomic 替代锁使用 CAS 实现无锁更新无锁队列/环形缓冲区线程数据隔离，减少共享资源避免死锁、优先级反转3. unique_lock 和 lock_guard 的共同点和区别共同点：都是 RAII 风格，自动加锁、自动解锁防止异常导致死锁区别：lock_guard：轻量、无额外开销、不能手动解锁unique_lock：灵活、支持手动 lock/unlock、可转移所有权、可配合条件变量、性能略低4. 项目场景相关问题5. 实习相关问题6. 是否熟悉 CUDA 编程了解核函数...

整体面试还是不错的，但是没后续了，不知道是哪里出了问题项目经历拷打体系结构基础：1. 浮点数：BF16 vs FP16 的区别？为什么大模型训练用BF16？2. 内存：大端 vs 小端？主流架构是什么？（x86小端）3. CPU设计：如果设计一个CPU，从哪几个部分考虑？（指令集、流水线五阶段）4. OS：用户态 vs 内核态？怎么切换？（系统调用）框架与NPU：1. NPU开发难点和策略2. Softmax优化：如何解决负载不均衡？3. TP原理：Tensor Parallel切分的是什么？涉及哪些通信？

github链接：https://：github.com/jinbooooom/OriginDLOriginDL: 完全从零开始构建的深度学习框架OriginDL 是一个完全从零开始构建的深度学习框架，采用 C++ 实现。OriginDL 不仅实现了高层的自动微分系统，更从最底层的矩阵运算开始，使用 CUDA 手写了 GPU 加速的矩阵计算核心，并在此基础上构建了完整的自动求导引擎和神经网络模块。目前已在框架上实现了线性回归与 MNIST 手写数字识别的训练示例，以及基于 PNNX 的 YOLOv5 目标检测推理，用于验证自动求导与推理链路。OriginDL 提供了类似 PyTorch 的 A...

3.3 一面岗位: 后台开发部门： 腾讯云场景题偏多，没问项目，没手撕，时长半小时1. 自我介绍2. Java基础：- Treemap & HashMap区别- ArrayList, 添加n个数（n较大），会发生什么（应该是想问ArrayList的扩容机制）- 考虑扩容的情况下这个过程的复杂度多少（说明复杂度计算思路即可，不需要给出具体的复杂度）3. 并发：- 项目里怎么用多线程的（一开始答了具体场景，不过面试官想听的是线程池，Synchronized这些...）- volatile & synchronized- 这里还问了一个，不过忘了...- 假设项目里用了很多synchronized拖慢了系统效率，让你重构项目，你怎么设计？ （真不会，回了一个参考乐观锁的设计用版本号之类的，然后这个话题就过了）4. JVM- JVM垃圾回收，怎么判断对象有没有被引用？ （可达性分析）- GC Root有哪些- 遇到OOM怎么排查5. 场景- 设计一个数据结构，用于在搜索框中搜索人名（不知道是不是这个意思，答了字典树这个结构）- 使用字典树存储的话空间复杂度是多少(同前面，给出计算思路就行，不需要具体的值）- 问了下简历上项目的背景，项目的具体内容没问- 项目里的难点/印象深刻的点,咋解决的- 针对上一点提了一个发散性的场景题（让你设计个xxx，你的思路）然后反问，无手撕。---春招第一面，被场景设计问题拷打麻了，就当练习了，不敢奢望能过，后续随缘了3.4更新，已挂