万得意向

📍面试公司：地平线🕐面试时间：9.26💻面试岗位：嵌软❓面试问题：1.项目拷打（20min），系统思考、原理分析等2.系统安全考虑，芯片加密存储key等的校验方式，密钥存储到启动校验3.用户侧core原理和调试和内核panic原理4.GPS底层驱动遇到的问题排查，DMA驱动适配，串口使用DMA会出现的问题，排查手段，GPS解析出现问题的排查手段5.V4L2框架，用户侧实现流程，相机驱动移植，USB/MIPI移植用的哪些工作，pipeline6.I2C开发可能出现的问题，硬件驱动排查原理，I2C基础知识掌握（地址7和10位使用场景，总线仲裁原理等）7.图像像素占用大小，YUV422和444区别，为什么使用YUV4228.用户态和内核态的通信方式，通信不是切换9.驱动中poll、中断、异步机制的实现原理，详细讲解poll、select、epoll再内核层面的实现原理10.驱动加载实现用户接口的原理，netlink机制到UDEV实现的过程，和传统的设备加载机制的区别11.内核实现调度的机制（主动和被动的场景），被动触发的机制（触发和执行的流程，实际举一个其中的定时器中断实现调度的全流程），多核调度均衡的原理，CFS的原理，使用了preempt_rt的调度优先级在用户到内核统一同一个数轴的详细原理12.还有好多场景问题，想不起来了13.反问🙌面试感想：面试总时长1小时30分钟，地平线考查的很深，面试时间也很长，还有好多场景题目，对于知识的理解和问题的排查更为关注，也有一两个没有回答上，面试官也主动解答，面试体验很好，等待通知

面试是24年7月的现在已经入职几个月了，补一下面经，帮有需要的同学参考。BG：本硕985 计算机论文1A1B一面：技术面自我介绍 & 简历相关。简单介绍了自己在多模态和大模型方向的研究/工作经历，包括在校期间的论文工作以及实习经历。面试官主要针对简历上的项目提了一些细节问题，比如具体模型的量级，提升了多少，和哪些方法做了比较等。因为是自己的工作，所以没有卡壳。问有没有遇到过 Python 文件之间互相 import 的问题，出现这种问题怎么办？让我简单介绍了一下 PPO 算法，以及和 TRPO 的区别是什么？接着 PPO，问了一下 ChatGPT 的 RLHF 流程，以及为什么不直接用 SFT，而是要用强化这么麻烦的方式训练模型？继续追问 RLHF、SFT、LoRA 的区别，分别适用于什么场景？反问：公司现有业务是什么，计算资源情况等。二面：主管面论文介绍。让我用通俗的语言介绍我自己发表和投稿的论文，重点是研究动机和要解决的问题。问有没有亲手训练过大模型，最多用了多少张 GPU 卡？并行训练使用的框架是什么？介绍一下 DeepSpeed，说一下这个框架在并行的不同阶段（ZeRO stage）分别做了哪些事？训练模型的时候，数据量有多少，怎么收集数据的，训练花了多少时间？遇到的最大问题是什么？问在大模型全量微调时，显存消耗分别由哪些部分占用？（参数、梯度、优化器状态、激活信息等），分别占用多少？假设模型参数量为N，请分不同情况讨论和计算一下微调所需要的显存（不同精度、batch size、seq len 等）。说一下 LoRA 公式，讲一讲其中 A 和 B 两个矩阵分别表示什么。LoRA 的优缺点是什么，什么场景下适合使用？问知道哪些大模型训练和推理框架，用过哪些？问 LLaVA 的结构是什么，和常规的纯文本大模型有什么区别？Encoder-Decoder 结构的模型转 ONNX 的一般流程，遇到不支持的算子怎么办？可能遇到的问题（动态 shape、模型中逻辑判断需要单独写、模块拆分等）。三面：HR 面主要问了为什么选择公司，对团队的看法，对岗位的认识；未来大致的规划，面试过程的体验，有没有别的公司的 offer 等。以及询问了期望薪资等。之后就是等待，最终和期望薪资基本一致。总体感受面试流程比较顺畅，问题也比较贴合岗位要求；如果和岗位匹配度高，一般流程推进速度会很快。入职以后，工作内容和面试被问的问题也差不多，基本上都是算法工程师需要做的内容，团队氛围也很不错。只是毕竟是企业，不可能光搞研究，在承接业务时还是免不了和很多人打交道和来回battle需求，这个无可避免。

9.3投递 当天发测评9.5发笔试其实笔试感觉做的很一般9.20线下面试，问的问题跟网上说的差不多，偏聊天夹杂一点八股跟简历内容，问了规划对城市的印象这些然后刚出门就通知一轮游了哪里出问题了这是

请教下最近有面拓竹嵌入式的佬吗时间线大概是怎样的