携程秋招ai面

😘，友友们，看一下我的简历，有什么不足的地方，双非本，求简历锐评，能不能投大厂日常实习😘

攒人品中，祝大家都能拿到满意的Offer！1*介绍下你最熟悉的项目和你的贡献2*为什么用bert算语义相似度不好3*你用过ernie吗4*双塔模型和交互模型的优劣5*qlora比lora改进了什么6*int8量化后推理速度一定比fp16快吗？7*了解哪些norm方法，适用什么场景8*了解rmsnorm吗，和ln有什么区别9*让模型学领域知识用继续预训练还是微调10*手撕：mha

继续来分享下之前的面经~欢迎友好讨论，信息共享1. 详细对比CPU、GPU、NPU的硬件架构优缺点及适用场景2. 为什么NPU适合AI计算？（Unified Buffer、矩阵加速单元）3. NVIDIA GPU的内存组织架构和计算调度逻辑4. 为什么要设计Warp？Warp Scheduler是如何工作的？（掩盖访存延迟）5. GEMM（矩阵乘）在GPU上的经典优化手段（Shared Memory分块、向量化读写、Double Buffer）6. 大规模Reduction（归约）操作怎么做？（Warp级归约 -> Block级归约 -> Global原子加 vs 多Kernel级联）7. 多态的实现机制（编译时多态 vs 运行时多态）8. 构造函数和析构函数可以是虚函数吗？为什么？9. 继承关系下构造与析构的执行顺序。10. 智能指针详解（unique_ptr, shared_ptr, weak_ptr及循环引用解决）

今天刚完成毕业论文初稿，一直拖着没写秋招总结，来补一下，本人很菜单纯分享。bg双非本硕，研究生读的方向主要是cv相关，因为项目接触到nvidia orin一系列嵌入式板子，所以一开始实习找的方向是嵌入式AI应用，技术栈也是c++，python为主。因为项目跟orin芯片相关，被当时高通的mentor看中，运气很好找到了高通实习。实习内容跟智驾infra相关，由此接触部分ai infra知识。（由于原本一点基础没有，甚至没学过cuda）之后去b站和github上学习相关技术栈，通过傅哥的介绍视频了解到ai infra大概方向，后续便把重点方向放在推理方向（这个了解最多）。以下是秋招投递offer情况（因为过了很久，好多忘记了，记录不太准）：简历挂：vivo、寒武纪、地平线、小鹏、理想、阿里云、高德、阿里国际、平头哥(阿里系没过几个)、深信服、联发科  、商汤笔试挂：影石、大疆、淘天、饿了么（淘宝闪购）、海尔、海信一面挂：oppo ostar、荣耀、轻舟、蔚来、元戎、字节、海康终面挂：百度(百度换岗来回面了六面)泡池没泡出来：华为offer：小米相机部门infra、科大讯飞人才计划转普通批大模型推理优化岗位、高通转正最终去向：高通。虽然原部门没转正但是换部门转正了，这里非常感谢高通hr团队，高通hr真的很尽职专业，目前遇到的最好评的hr。并且高通这边做的方向个人很感兴趣，加上base也是理想base，直接决定去高通了。找工作时候非常内耗，面试阶段几乎一天两面，而且挂了这个新的面试又来了，并且面试要么一面挂要么终面挂，每天处于心态已崩和在崩的路上两种状态，好在结果个人还挺满意。秋招和实习一样，运气占一部分，剩下的就靠个人能力了，打铁还需自身硬。最后祝大伙都收获比较满意的offer。