大疆车载（已offer）

联发科二面相比一面，更关注系统设计能力、工程经验以及对问题的深入推导能力。面试官通常会从一个开放问题切入，持续追问实现细节、性能瓶颈以及设计权衡，重点考察是否具备完整的系统思维。面试题目设计一个高并发嵌入式数据采集系统，要求支持多种外设并保证实时性与可靠性设计一个支持断电恢复和回滚的固件升级系统如何定位一个长期运行后出现的内存泄漏问题如果系统出现偶现卡死且无法复现，应如何系统性排查多核系统中如何设计任务调度以减少锁竞争在高并发场景下，如何优化中断处理路径以降低延迟设计一个高效的用户态与内核态数据交互机制如何优化Linux系统启动时间，从上电到应用启动全过程分析如果设备出现频繁IO阻塞，如何分析...

继续来分享下最近的面经~欢迎友好讨论，信息共享1. Transformer 为什么能替代 RNN 成为大模型主流架构？2. Self-Attention 的计算过程是什么，时间复杂度为什么高？3. Multi-Head Attention 的作用是什么，为什么要分多个头？4. 位置编码为什么必要，绝对位置编码和相对位置编码有什么区别？5. 什么是 KV Cache，它为什么能显著提升推理效率？6. Prefix Cache 和 KV Cache 有什么区别，分别适合什么场景？7. 为什么大模型推理通常是 memory bound，而不是 compute bound？8. Batch 推理和单请求推理的吞吐与延迟 tradeoff 是什么？9. Continuous Batching 解决了什么问题，为什么对推理服务很重要？10. Prefill 和 Decode 两个阶段的性能瓶颈分别在哪里？11. 大模型采样里的 temperature、top-k、top-p 分别会怎样影响输出？12. 贪心解码、束搜索、随机采样分别适合什么生成任务？13. 重复惩罚和长度惩罚分别是为了解决什么问题？14. 为什么模型有时会出现“复读机”现象，通常怎么缓解？15. 量化是什么，INT8、INT4、FP16 的核心区别是什么？16. 推理量化会对模型效果造成什么影响，如何评估是否值得量化？17. 张量并行、流水线并行、数据并行分别适合哪个阶段？18. 单机多卡部署大模型时，通信开销主要来自哪里？19. 为什么 GPU 显存是大模型部署的核心约束之一？20. 模型参数量、上下文长度、并发数三者之间是什么关系？21. 什么是 MoE 模型，为什么它能在参数规模很大时控制推理成本？

1. 自我介绍二面里的自我介绍一般比一面更强调项目深度和岗位匹配，不需要讲太多基础课程，更建议重点说自己的项目经历、技术方向，以及为什么适合这个岗位。参考回答：面试官您好，我是 XX，目前主要方向是 C++ 后端开发。之前系统学习过 C++、操作系统、计算机网络、数据库等基础知识，也做过几个和服务端开发相关的项目，比如网络通信、高并发处理、线程池、缓存等方向的实践。在做项目过程中，我比较关注代码质量、性能优化和并发场景下的问题处理。这次也希望进一步和您交流一下我对 C++ 工程开发和系统设计方面的理解。2. 讲一个你项目中最有难度的问题，以及你是怎么解决的参考回答：这个问题在二面中很常见，面试...

1.测试用例的内容2.缺陷的内容3.测试用例执行结果4.用例执行完和开发不一致怎么办5.项目介绍6.对本公司的工作内容的了解7.能否接受加班hr小姐姐打电话提前3min入会等着面试官，hr小姐姐感觉不错。11min面完了，感觉没有啥技术含量，听起来加班很严重，结果等通知。