百度 AI infra面经 好难

📍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...

继续来分享下之前的面经~欢迎友好讨论，信息共享1. 拷打项目2. 有没有了解过AF分离，他是为了解决什么问题，既然有PD分离了，为什么还要AF分离？3. 有没有读过flash attention的代码，V2比起V1做了哪些改进？细聊一下他是怎么改进的。有没有了解最近的V4版本？4. 大模型的一层有几个线性层？TP的时候怎么切的？这样子做的原因是什么？有什么思路优化中间的allreduce吗？5. 看过ray的底层实现吗？它有什么特性，你的课题研究中是怎么使用ray的？6. 聊一下你所找到的cuda gemm的优化方法7. leetcode 单词接龙

1. 你对 Claude Code、Codex、OpenHands 这类 Coding Agent 的理解是什么，它们的核心差别在哪这类产品表面上都在做“让模型帮你写代码”，但真正拉开差距的不是补全能力，而是任务编排、工具使用、上下文管理和反馈闭环。像 Claude Code 更强调命令行工作流、仓库级理解和连续执行，适合把模型放进真实开发环境里；Codex 早期更偏代码生成和 API 能力，强在补全和局部代码理解；OpenHands 这类开源 Agent 往往更强调可扩展性和多工具编排，方便接入自己的环境和流程。如果从工程视角看，这类 Agent 最终拼的是三件事：一是对代码仓库的建模能力，...