美团北斗AI infra校招面经

给我面没招了，感觉自己好菜、面试很难，还是要多多练习1.项目拷打2.你在去部署或者训练预训练或者后训练的模型时，有没有用过一些比较底层的一些训练的调试的工具，比如说千卡的话很容易就会出NCCL timeout，如果出现 NCCL timeout，一般怎么定位和解决？3.像那种rl里面的那个MOE之类的那种的优化有去做过吗4.看您的训练经验比较丰富，而且您上线运行的推理内容之前也进行过一些什么样的优化吗？5.有没有做过 kernel级别的优化？比如用 CUTE DSL或者手写 CUDA去做 fusion这类算子融合优化，介绍一下6像底层，如果你们在做.kernel fusion，倾向于用什么方式来做7.有没有哪次你做了 fusion 结果性能反而下降的？原因是什么8.平时写 CUDA的时候，有没有关注到底层实现细节？比如你刚提到 FA2，那再往下一层，像 Hopper架构里那个 warp specialization是什么，它底层大概是怎么实现的9.试过用 Agent去生成cuda内核么，怎么去做的10.如果我把 warp specialization 去掉，只保留 tile 和 shared memory 优化，大概会损失在哪？11.怎么么判断一个 MoE 模型是真的学到了分工，而不是只是把 dense模型拆开了12.在 RL + MoE 里，有没有遇到过 reward把 routing学坏的情况？就是模型为了拿 reward，全都走某几个 expert，这种情况你当时是怎么处理的

1. 自我介绍2. 介绍你做的模型loss设计，包含基础损失与辅助损失，说明各部分作用与梯度流动逻辑模型loss采用多任务联合优化框架，主损失负责核心任务拟合，辅助损失用于约束特征对齐、分布对齐与梯度稳定。以多模态分类模型为例，主损失使用交叉熵损失，直接优化分类准确率；辅助损失包含对比损失用于拉近同类特征距离、拉远异类特征，以及KL散度损失用于对齐教师模型与学生模型的分布。训练时通过权重系数平衡各损失，保证主任务不被辅助任务淹没，同时利用梯度裁剪解决多任务梯度冲突问题。 import torch import torch.nn as nn class MultiModalLoss(nn.Mod...

📍面试公司：文远知行一面（更新2026/03/26挂）🕐面试时间：2026/03/20💻面试岗位：AI infra（时长1小时）❓面试问题：一、实习项目拷打10分钟，你在上一家公司做了什么二、八股1、PD分离机制，如何调度两个队列          ——回答PD区别，然后我如何设计调度策略，优先D，也保证P不被饿死2、vllm如何优化显存？                            ——讲了pageattention、continue batching、内存复用3、chunk prefill                                       ——分块计算，我感觉这个没啥好讲的，可能是针对padding吧4、什么是虚拟内存                                   ——这个很简单5、说一下进程和线程的区别，以及操作系统如何调度    ——这个也简单6、讲一下TCP\IP栈                                  ——说实话没听明白，后来询问之后是介绍TCP/IP模型7、追问如何通过IP地址进行通信（找到目标ip） ——这个我其实忘了，随便说了一下洪泛搜索，不知道对不对8、K8S拷打，简历上没写这个                   ——反正基本都不会，应该是炸了，只知道pod和container😓三、手撕（dfs+优化思路）给的测试数据不大，十分钟写了个O(N^N)的算法，运行没问题，然后要求优化成O(N^logN) ——想了很久，提示二分后没时间了，就没写了。四、反问1、我今天表现怎么样答：我感觉你没睡醒😂，状态不好。（我感觉这面试官也一直打哈欠）2、对我有什么建议吗答：简历都挺好的，技术上不应该只追求论文，你可以多了解一下K8S这些3、部门业务是啥答：我们组是做ai infra的，顶层可能是k8s负责调度大模型，中间有做算法优化，底层也有cuda算子优化吧。（这个                面试官介绍的挺详细的，我感觉他是负责K8S调度的）🙌面试感想：发挥不是很好，面试官人挺不错，感觉凉了大半截了，过几天看看结果吧。

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...