更像项目深聊，没有八股和编程题这场阿里云 AI Infra 三面，整体感觉和前两面不太一样。前面几轮多少还有一些“项目追问”的紧张感，这一轮更像是一次围绕经历、学习路径和工程实践展开的深聊。面试官上来没有直接问技术细节，而是先从我导师现在在做什么、我为什么会从偏深度学习慢慢转到 AI Infra 这个方向聊起，也问了我本科阶段做的东西、现在在做的东西，和导师那边的研究之间到底有什么关联。我这里主要是把自己的路线讲清楚：不是突然转方向，而是从做模型、做工程、做性能相关的事情慢慢往更底层走，最后发现自己确实更喜欢算子优化、系统性能和工程实现这类工作。整体上，这一段更像是在看你的路径是不是自洽。后面...

本人9本无实习经历，二月初开始面试，快手xhs简历都挂，京东一直泡池子，腾子三面挂，滴滴大模型算法一面挂，美团二面挂，亚麻OA都A了也挂，Google一面也挂。反正都是在挂中度过的，其实二月也是比较焦虑和陷入自我否定当中吧。但是还是比较感谢节子的速度的，而且面试的过程里面的氛围和节奏都很舒服，介绍业务和发展方向也是很明晰的。hr小姐姐人也挺好的，而且全程都是hr加我微信进行推进的，有什么情况和我说和和及时帮我推进流程，每次面试前都会提醒我今天的面试以及祝我顺利。（我感觉体感上面，志节是我面过的体验最好的一个了，从hr到面试官人都不错）timeline:3.6投简历推进评估3.7 hr打电话来约面3.9一面，20min后约二面3.11二面，二小时后约三面3.13三面，两小时后约hr面3.13hr面，面完就差不多oc了3.17 收到正式的offer

这个面经是群里 小伙伴分享的 社招, 2年的工作经验 双非本9硕 将近40分钟都在问项目细节 项目这里我全部砍掉了1. 自我介绍2. 大模型在推理时通常分哪两个阶段，每个阶段关注点是什么一般分成 prefill 和 decode 两个阶段。prefill 阶段主要是把输入 prompt 一次性编码进去，重点看吞吐、并行效率和长序列的计算开销；decode 阶段是逐 token 生成，重点看单步延迟、KV Cache 复用和 batch 调度效率。很多线上推理慢，不是模型本身慢，而是 prefill 太重或者 decode 阶段调度策略不合理。理解这两个阶段，才能知道为什么有些优化只对长输入有效...