阿里云基础设施秋招

上海ai lab是高性能编译，会有一部分国产芯片适配的活，其他时间自由探索小红书这边的业务主要做rl infra和推理优化，但有点卷，活很多，自学时间有点少

感觉面的还可以发些面经攒攒人品1.ep的dispatch和combine2.vm最近有什么新的比较好的特性3.dpsk的结构4.tp的allreduce的次数5.kv cache的大小计算6.MQA和GQA手撕

给我面没招了，感觉自己好菜、面试很难，还是要多多练习，感觉自己说不明白业务逻辑1.实习拷打2.有没有觉得工作中卡住的点，聊一聊3.是否了解操作系统等 讲讲操作系统内存管理 虚拟内存解决了什么问题4.介绍一下mcp5.mcp工具较多时如何避免幻觉6.有没有看论文的习惯 最近有哪些较新的内容7.代码题：求数组连续出现相同数字的最大次数

ai infra八股：1- 给定训练所需的Tokens，怎么估计模型训练所需的完整时间？2- Prefill和Decode阶段各有什么优化技术？3- 什么是Two-batch overlap，什么场景Two-batch overlap是负优化？4- megatron-lm中通信优化怎么做？5- 多机PD分离会有KV cache transfer开销，为什么还要做PD分离？6- muon和AdamW的pretrain和posttrain为什么不能混用？7- 如何看待跨SM的PD分离和AF分离？8- cuda的global memory和shared memory访存分别需要注意什么？9- deepseek-V3的优化点10- deepseek-DSA和NSA，MoBA的区别11- nccl中的通信源语有哪些？all-reduce参数更新一次参数需要几次通信？12- 在小数据量场景使用NVSHMEM，每个GPU直接读取其他GPU的数据，在本地reduce，相比ring all-reduce的好处13- 训练时如何设计超长序列下的并行14- 将Ampere架构的算子适配到Hopper架构的卡上，你会对哪些地方进行升级改造？