小鹏汽车2026届春招补录开启！

现在AI发展的越来越迅速，AI Coding对于岗位面试有一定量的帮助，在一些大公司比如美*和京*等公司都有一定量的采用，所以对我们的要求也会越来越严格，以后就业形势也会越来越严峻，蚂蚁的AI Coding笔试对于我来说也是有点难的

给我面没招了，感觉自己好菜、面试很难，还是要多多练习1.项目拷打2.你在去部署或者训练预训练或者后训练的模型时，有没有用过一些比较底层的一些训练的调试的工具，比如说千卡的话很容易就会出NCCL timeout，如果出现 NCCL timeout，一般怎么定位和解决？3.像那种rl里面的那个MOE之类的那种的优化有去做过吗4.看您的训练经验比较丰富，而且您上线运行的推理内容之前也进行过一些什么样的优化吗？5.有没有做过 kernel级别的优化？比如用 CUTE DSL或者手写 CUDA去做 fusion这类算子融合优化，介绍一下6像底层，如果你们在做.kernel fusion，倾向于用什么方式来做7.有没有哪次你做了 fusion 结果性能反而下降的？原因是什么8.平时写 CUDA的时候，有没有关注到底层实现细节？比如你刚提到 FA2，那再往下一层，像 Hopper架构里那个 warp specialization是什么，它底层大概是怎么实现的9.试过用 Agent去生成cuda内核么，怎么去做的10.如果我把 warp specialization 去掉，只保留 tile 和 shared memory 优化，大概会损失在哪？11.怎么么判断一个 MoE 模型是真的学到了分工，而不是只是把 dense模型拆开了12.在 RL + MoE 里，有没有遇到过 reward把 routing学坏的情况？就是模型为了拿 reward，全都走某几个 expert，这种情况你当时是怎么处理的

这个AI CODING其实没有想象的难，而且比准备传统笔试算法爽得多。vibe coding完心情都是好的，前几天准备别的笔试算法快郁闷死了

题目目标 设计并实现一个集群调度器（Scheduler）+ 模拟器，用于在动态负载和故障条件下平衡：高优作业低延迟集群利用率普通作业公平性场景设定集群包含 M 台同质机器（Machine 0 ~ M-1）作业属性：job_id、priority、resource_num、estimated_timeestimated_time 与真实时长存在误差（约 ±20%）作业类型：普通作业（normal）：每天 08:00 批量提交高优作业（high）：全天随机提交，要求快速响应运行规则（必做）调度与资源占用作业需绑定到足够空闲机器后才能运行运行期间机器被独占作业完成与失败作业可能成功或失败若失败原因是硬件故障：相关机器下线维修 24 小时抢占机制允许抢占运行中的作业被抢占作业回队列等待重试，额外增加约 10 分钟执行成本输出与指标要求（必做）调度器应输出可复盘日志，并至少统计：高优作业平均等待时长 / P95 等待时长集群利用率（时间窗内）普通作业公平性指标（如最长等待、等待方差、饥饿作业数）测试与验收要求（必做）至少完成以下测试：基线对比（与至少 1 个基线策略对比（如 FIFO / 纯优先级））波峰场景(批量普通作业 + 高频高优插队)故障场景抢占场景结果可复现交付物调度器源码模拟器源码与输入样例策略说明（为何这样设计）指标报告与对比图表已知问题与下一步优化加分项自适应策略（根据实时拥塞/故障率动态调参）抢占成本建模更精细多目标优化或可插拔策略框架