AI infra小厂实习面经

第一段实习：我以为学不到东西，是公司和mentor的错我的第一段实习，我的mentor是组里的技术骨干，天天不是开会就是对接项目，一天到晚见不到人，入职当天跟我简单说了句“先看看项目文档，熟悉熟悉代码”，之后就再也没管过我。同组的同事都忙得脚不沾地，每个人都有自己的模块要负责，我连问问题都找不到时机，怕打扰人家工作。入职前半个月，我每天的工作就是：打开电脑，翻一遍根本看不懂的项目代码，对着满屏的业务逻辑发呆，有问题先搜AI，搜不出来就只能憋着，一天下来啥也没干，啥也没学会。后来mentor终于给我安排活了，全是打杂的活：整理接口文档、核对数据、改一些无关紧要的文案、写最简单的单元测试。我硬着头...

继续来分享下之前的面经~欢迎友好讨论，信息共享1️⃣算法题：手撕内存池（要求支持类似new Foo[], delete []功能)，c++如何比较两个float是否相等，LRU，岛屿个数，二叉树的层序遍历，hamming weight，k-coverage intervals2️⃣torch手撕题: LoRA adapter3️⃣cuda手撕题：1- 支持torch broadcast的4D tensor的elementwise mul2- A: (1, 256),  B: (256, 128),  C: (128, 256) ，计算 (A * B) * C3- Embedding Sparse Feature Pooling：A是 100 万个离散 ID（0~999），B是 100 万个float，计算个长度为1000的float数组C，C[i] = \sum_{j s.t. A[j] = i} B[j]4️⃣ai infra或算法八股：1- llm的知识蒸馏放在预训练做是否合适2- Hopper TMA的优点，调用方式，是否需要经过L13- Flash Attention v2为什么外层对Q循环，Flash Decoding的combine kernel耗时占比大概是多少4- Mooncake kv-cache centric的PD分离5- Dit的推理框架设计思路和LLM的有什么异同6- 分析MLA decode的计算访存比，它和seqlen、batch size是否相关7- diffusion model的训练和推理步骤，推理num_inference_steps为40时，为什么训练的timesteps仍要设成10008- 介绍dLLM，如何看待它和AR的区别9- torch.repeat 和 torch.expand的区别10- torchrun的启动参数有哪些，如何在Linux上批量kill包含torchrun的进程

ps：如果这篇帖子对于还在找工作和找实习的你有所帮助，可以关注我，给本贴点赞、评论、收藏并订阅专栏；同时不要吝啬您的花花B树与B+树均属于多路平衡查找树，是数据库索引、文件系统等核心场景中常用的数据结构，其核心设计目标为优化磁盘I/O效率，减少磁盘访问次数。二者在结构设计、数据存储、查询逻辑等核心层面存在显著差异，下文将从关键维度展开详细对比，明确其各自的适用场景与核心优势。🌳 结构可视化B树结构 [10, 20, 30] ← 内部节点存储数据和键 / | \ / | \ [5,8] [15,18] [25,28,35] 数据 数据 数据 ← 所有节点都存储实际数据 B+树结构 [10, 2...

【求教一下嵌入式行业】各位佬们，小的是双非大三在校生。拿过电赛国二，带队拿过一次b类专业赛事国一机械电子工程专业，主要技能是自学的单片机stm32，freertos现在是预备党员现在在考虑是考公还是就业，能不能请相关大佬给我指点一二