菜鸡分享一下近期面试ai-infra

发一下问题给大家参考，攒攒人品！1.实习拷打2.简述一下minmax和percentile有什么不同?3.你还知道什么其他校准算法吗？回答kl和mse，简单讲了一下中心思想4.在上家公司做vla的量化的时候说用了smoothquant，awq。按照量化粒度说明一下smoothquant是做的什么粒度的？了解gptq吗？他们分别的作用流程5.上家公司一般量化到什么格式，聊到fp8,nvfp46.nvfp4的原理是什么样的，怎么做缩放的，在哪个维度缩放？保存的格式等7.per-tensor/channel/group，哪个粒度更细？8.代码实现一下minmax和percentile

面试很难，还是要多多联系。。。1. 项目拷打2.在实习的时候有人带你吗？你是怎么开始上手的？3. 在你们做量化的过程中，一般是直接应用组内已有工具就能达到可交付的效果吗？要是达不到预期，一般要怎么调量化呢？4. 然后问了有关vla稍微大点的模型，一般用的多大的模型，讲了awq.smoothquant.gptq原理之类的.假如直接应用这些算法效果不好的话，你对优化这些算法有什么想法吗？有哪些可能可以优化的路径5.剪枝稀疏化一般可以分为哪些种类，大概讲一下6.对常见的模型架构了解多少？比如说deepseek.qwen.llava他们有什么差异7.经常遇到工程问题一般是咋debug的8.手撕：最短编辑距离和树的层级遍历

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

📍面试公司：小米🕐面试时间：2026/03/26（二十分钟草草收场，都不想去看结果就知道挂了）💻面试岗位：大模型推理优化❓面试问题：一、自我介绍二、八股问题拷打，其实上来就是手撕1、直接在编辑器上手撕MGA，要求写出init、forward、注意力层   ——丢人现眼了，基本不会写2、追问，不会写的话讲一下整个过程，输入到输出怎么样的？         ——讲了讲transformer，注意力机制3、vllm和sglang的底层代码有看过吗？                                          ——没看过（其实看过，但我不敢说，怕叫我写）4、kv cache有哪些加载方式？                                                        ——在胡言乱语，啊这个，啊那个5、PD分离机制是干什么的？你怎么实现的？                                   ——唯一能回答的问题6、有没有用vllm部署过模型？吞吐量是多少？                                 ——脑子昏了，沉默（跑了demo，没测过）7、MTP（可能是MCP？没听清）是什么，介绍一下？                     ——我估计想问Medusa？反正我没回答，沉默。到这他问不下去了。。。三、反问两个人尴尬一笑，没什么要问的了。🙌面试感想：应该是史上最无悬念的秒挂，第一个手撕不会之后我已经晕头转向了，加上昨天熬夜到五点，到后面我都有点不好意思了，感觉在浪费他的时间，在这里跟他道个歉😀。十月到现在算上开发+infra可能面了二十多家吧，大部分都是秒挂，感觉车企infra这块的要求都特别高吧，问的特别细，就是最新的技术一定都要掌握，这一块技术迭代感觉特别特别快，光背八股面经给我感觉不太行。鼠鼠也累了，但自觉已经尽力了。也感谢这些至少还给机会面试的公司吧，有些简历直接投垃圾桶里了。（希望下一届的同学早早准备，不要像鼠鼠一样还在为春招奔波）。