智谱Ai infra一面面经

个人背景：无实习，项目经验主要做KV Cache相关优化，诉求就是实习能学到硬核技术、对秋招助力最大化！Offer1：字节-推荐架构团队（抖音主站）✅工作内容主打LLM4Rec，做推荐大模型相关Infra，团队训推全栈涉及分配具体工作：推理场景超长上下文+超高QPS的KV Cache相关支持额外机会：后续感兴趣且有能力，可转推理框架方向，在vLLM里适配模型+优化，侧重算子和图优化✅优点大厂title亮眼；核心业务（抖音主站），有落地场景；算力充足❌缺点推荐大模型参数偏小；与大模型前沿技术不太沾边；偏向业务组，怕工作内容杂，担心学到的技术、积累的能力，和秋招纯大模型推理岗匹配度不高Offer2：蚂蚁-平台技术事业群-超级计算技术部✅工作内容偏中台，支持内部MasS平台，和业务距离较远基于SGLang做模型优化+部署，及时适配业界前沿模型；做PD分离相关工作，在Mooncake上优化开发核心分配任务：KV Cache优化，近期适配DeepSeek v4并做相关优化。✅优点技术更偏向业界大模型前沿，跟进最新技术速度快；组内有和SGLang合作开发的落地工作，技术栈纯Infra底层；组内管卡。❌缺点整体大厂title不如字节；怕实习生被画饼，没办法接触到真正核心的前沿技术工作。求有AI Infra实习/秋招经验的大佬们给点建议，到底该选哪个对秋招更有利啊🙏

想做 AI Infra / LLM 推理系统 方向。 身边没有同方向的朋友能问，自己摸着石头过河整理了一份学习路线，越整理越虚——感觉知识点又多又散  我自己总结的核心路线就一句话： 先理解模型前向 → 再理解单请求生成 → 最后再看多请求 / 多卡 / 多实例下的系统优化 把 Decoder 模型和最小推理框架先跑通，再去看工业级系统，应该很多设计会自然浮出来——这个思路对吗？ 想和大家多多交流！

兄弟们在幻方写前端都需要考c++，这是什么概念？我不理解，但我大受震撼。

前言：牛客上校招的帖子很多，社招的相对比较少，特地写一篇分享一下这次社招的经历，给大家提供一个参考。个人背景：2024届校招，某中厂Java开发，两年工作经验裸辞社招。offer情况：字节财经、腾讯天美、滴滴网约车、平安产险前期准备：社招相比校招一个最大的不同就是你的项目经历，校招有些面试官可能对你的项目经历完全不敢兴趣，因为都知道是一些未上线的玩具项目。但是社招基本上每轮面试官都会去问你的项目，整个面试中项目的占比至少是50%以上，剩下的就是八股文和算法。所以我在前期在项目上花了大量的时间，主要集中在项目的难点、整体的架构以及还可以优化的点，你需要在面试中把这些讲的很清楚并且需要体现你的思考...