Wind一面

📍面试公司：地平线🕐面试时间：9.26💻面试岗位：嵌软❓面试问题：1.项目拷打（20min），系统思考、原理分析等2.系统安全考虑，芯片加密存储key等的校验方式，密钥存储到启动校验3.用户侧core原理和调试和内核panic原理4.GPS底层驱动遇到的问题排查，DMA驱动适配，串口使用DMA会出现的问题，排查手段，GPS解析出现问题的排查手段5.V4L2框架，用户侧实现流程，相机驱动移植，USB/MIPI移植用的哪些工作，pipeline6.I2C开发可能出现的问题，硬件驱动排查原理，I2C基础知识掌握（地址7和10位使用场景，总线仲裁原理等）7.图像像素占用大小，YUV422和444区别，为什么使用YUV4228.用户态和内核态的通信方式，通信不是切换9.驱动中poll、中断、异步机制的实现原理，详细讲解poll、select、epoll再内核层面的实现原理10.驱动加载实现用户接口的原理，netlink机制到UDEV实现的过程，和传统的设备加载机制的区别11.内核实现调度的机制（主动和被动的场景），被动触发的机制（触发和执行的流程，实际举一个其中的定时器中断实现调度的全流程），多核调度均衡的原理，CFS的原理，使用了preempt_rt的调度优先级在用户到内核统一同一个数轴的详细原理12.还有好多场景问题，想不起来了13.反问🙌面试感想：面试总时长1小时30分钟，地平线考查的很深，面试时间也很长，还有好多场景题目，对于知识的理解和问题的排查更为关注，也有一两个没有回答上，面试官也主动解答，面试体验很好，等待通知

听说JD各个部门相互内卷，互相攻击，不知道是真的假的？后端投哪个部门好点？我只想好好上班不想卷啊

面试是24年7月的现在已经入职几个月了，补一下面经，帮有需要的同学参考。BG：本硕985 计算机论文1A1B一面：技术面自我介绍 & 简历相关。简单介绍了自己在多模态和大模型方向的研究/工作经历，包括在校期间的论文工作以及实习经历。面试官主要针对简历上的项目提了一些细节问题，比如具体模型的量级，提升了多少，和哪些方法做了比较等。因为是自己的工作，所以没有卡壳。问有没有遇到过 Python 文件之间互相 import 的问题，出现这种问题怎么办？让我简单介绍了一下 PPO 算法，以及和 TRPO 的区别是什么？接着 PPO，问了一下 ChatGPT 的 RLHF 流程，以及为什么不直接用 SFT，而是要用强化这么麻烦的方式训练模型？继续追问 RLHF、SFT、LoRA 的区别，分别适用于什么场景？反问：公司现有业务是什么，计算资源情况等。二面：主管面论文介绍。让我用通俗的语言介绍我自己发表和投稿的论文，重点是研究动机和要解决的问题。问有没有亲手训练过大模型，最多用了多少张 GPU 卡？并行训练使用的框架是什么？介绍一下 DeepSpeed，说一下这个框架在并行的不同阶段（ZeRO stage）分别做了哪些事？训练模型的时候，数据量有多少，怎么收集数据的，训练花了多少时间？遇到的最大问题是什么？问在大模型全量微调时，显存消耗分别由哪些部分占用？（参数、梯度、优化器状态、激活信息等），分别占用多少？假设模型参数量为N，请分不同情况讨论和计算一下微调所需要的显存（不同精度、batch size、seq len 等）。说一下 LoRA 公式，讲一讲其中 A 和 B 两个矩阵分别表示什么。LoRA 的优缺点是什么，什么场景下适合使用？问知道哪些大模型训练和推理框架，用过哪些？问 LLaVA 的结构是什么，和常规的纯文本大模型有什么区别？Encoder-Decoder 结构的模型转 ONNX 的一般流程，遇到不支持的算子怎么办？可能遇到的问题（动态 shape、模型中逻辑判断需要单独写、模块拆分等）。三面：HR 面主要问了为什么选择公司，对团队的看法，对岗位的认识；未来大致的规划，面试过程的体验，有没有别的公司的 offer 等。以及询问了期望薪资等。之后就是等待，最终和期望薪资基本一致。总体感受面试流程比较顺畅，问题也比较贴合岗位要求；如果和岗位匹配度高，一般流程推进速度会很快。入职以后，工作内容和面试被问的问题也差不多，基本上都是算法工程师需要做的内容，团队氛围也很不错。只是毕竟是企业，不可能光搞研究，在承接业务时还是免不了和很多人打交道和来回battle需求，这个无可避免。

腾讯校招走到三面了，感觉是离offer比较近的一次了原本只是想在腾讯刷下面试经验的，没想到能走这么远希望能三面，不求拿到offer