百度的混合云异构计算咋样呀

秋招已经持续了快两个月了。算上实习，这已经是我第五次冲字节，依然没能拿下一个正式 offer。这次是字节的 AI Infra 岗，三面结束后我其实心里就有数了。面试官看起来兴趣不大，简历只是扫了一眼，随口问了几个问题，出了一道「接雨水」题，我两下写完。整个过程不到半小时。面完出来那一刻，其实我就知道结果了。后来 HR 联系我，说三面没过，看看能不能帮我转到后端。但我也清楚，AI Infra 都没过，后端竞争更激烈，能转成什么样心里没底。到现在为止，我投了很多家公司，面了不少岗位。前期靠着实习经验和面试积累，技术面基本都能过。但到了 Leader 面 环节，就经常“翻车”。不是被问懵，就是感觉节奏不对，气氛也不对。我身边的同学，有不少已经实习转正，现在都在准备十月谈薪。他们看起来特别轻松，像秋招之外的世界。而我，一个正式的 offer 都没有。有时候我也会后悔。当初实习那家公司虽然做数据方向、业务一般，但怎么说也是个保底。我那时候嫌无聊、想着再冲一冲，结果现在每天都在焦虑中硬撑。最近每天都在笔试、测评、面试之间切换。测评的题目几乎都一样，一开始我还会认真做，现在真的提不起兴趣了。笔试题越来越难，算法题不会做，越刷越烦；反倒是面试相对轻松一些，但 Leader 面那一关始终过不去。我明白 Leader 看的不只是代码，而是“成长性”“稳定性”“视野”。但我也不知道怎么讲，项目久没动手，很多细节已经模糊；问我规划、思路的时候，我总感觉说不出让人信服的话。身边的人有的已经拿到意向，有的实习转正。有一个哥们拿到意向后被毁意向了，但也只能继续投。每天都在刷岗位、写题、复盘，但没进度、没反馈，很难维持动力。焦虑的时候也想开新项目，可真坐下来，又提不起劲。以前的实习项目做完了、旧代码也翻不动，想写点能打动面试官的项目，却连方向都定不下来。从结果上看，我的简历没问题，前面技术面也能过；但到了终面，总觉得面试官对我没兴趣。他们问的问题也挺简单的，可聊着聊着就散了。我写得快、答得快，却好像没能留下什么印象。

1. 你的 Agent 系统Prompt 是怎么设计和迭代的？有没有做过 Prompt 自动优化？当用户提出不完整的请求时，如何补全用户意图的？2. 构建 Agent 的时候，遇到过哪些瓶颈？LangChain 的 memory 默认机制在多用户并发中怎么做隔离？你是如何保证线程安全的？3. 微调 Llama2 你是怎么选择训练样本的？清洗逻辑是什么？你有没有观察到哪些训练样本质量问题对模型行为有很大影响？举例说明。4. DPO相比 SFT，有哪些优劣？它在 Agent 任务上效果提升明显吗？你怎么构造偏好对？构造逻辑是自动的还是人工？5. 你说你服务部署在 vLLM 上，为何选择它？KV-c...

📍面试公司：ARM中国🕐面试时间：10.10💻面试岗位：NPU软件开发❓面试问题：1.yolov8中对于模型量化和裁剪做的工作，F32到INT8的原理，主流工具有哪些精度损失怎么办，裁剪做的是剪枝，具体实现2.模型选用的大小，怎么考虑的，为什么要选择yolov8，对v5提升了哪些，为什么不选用113.给你一个场景，一个固定size的memory，有一万个tensor，如何进行有效的安排4.内存稀疏以外还有哪些方式，0-1张量占用内存处理5.底层缓存实现的原理，在上个场景中，针对缓存你有哪些考虑6.一个卷积操作具体函数实现流程是什么7.linux中shell执行一个程序的全部流程（fork-execl-文件描述符关联-elf段加载、内存镜像重载-elf入口到动态的链接器-动态链接器加载动态库-plt、got的整合-_start入口点-main）8.实现驱动功能poll的全部实现流程，原理解析，讲解poll从系统调用到最后执行的全流程9.算法是库还是自己写的，怎么考虑的，具体提升的程序和验证方式10.反问🙌面试感想：该部门主要是做NPU软件开发的，进去的话是做NPU底层驱动，框架应该是周易的那一套，一共两个技术官，还有一些问题忘记了，主要是针对深度学习的部分进行拷打，面试体验还行，部分问题没有答上来，大部分ok

回忆一下 在百度呆了16个月，真是感慨万分啊，可惜最后也没留时间在内网留个帖子什么的，在百度的时光真像是无忧无虑的学生生活，上午下午就像是上自习，偶尔经常一起做些东西开些会沟通点方案，偶尔也有老同学离开，也有新同学进来，干了很多东西，也学到了很多东西，纪念的礼盒多得很，狗熊一个接一个，临走前还顺了个中秋礼盒，还有组里一起无话不谈的同事和新实习生，每周都会定闹钟抢的羽毛球社团的活动，以及一直都知道但从来都没体验过的攀岩墙和滑梯...... 值得回忆的太多太多了，奈何还是要走了，，，开启新征程 聊点大家爱听的吧，方向是偏模型推理优化部署相关的，大概面了20多次吧，平均每周4次，面试流程：offer...