字节Seed-AI4S方向26校招

1，vllm推理过程中哪些参数可以调优，结合经验来说。2，kafka避免重复消费，以及结合spark和flink讲讲定时任务3，服务的容错，docker和k8s4，python的装饰器和生成器5，GIL锁，多进程和多线程的区别6，http实现负载均衡的算法7，大模型的并行方式，多卡并行，张量并行，数据并行，流水线并行8，给定两个单词一个转换成另一个，只用删除插入和替换，返回最小操作数，以及打印每一步操作debug了快半小时才搞出来，现场丢人。

✅ 秋招备战指南 ✅ 💡 学习建议：  先尝试独立解题 对照解析查漏补缺   🧸 题面描述背景等均已深度改编，做法和题目本质基本保持一致。 🍹 感谢各位朋友们的订阅，你们的支持是我们创作的最大动力 🌸 目前本专栏已经上线160+套真题改编解析，后续会持续更新的  春秋招笔试机考招合集 -> 互联网必备刷题宝典🔗 淘天 题目一：小兰的学术影响力评估  1️⃣：将论文按引用次数降序排序并分组处理 2️⃣：使用前缀和技术计算权威评分总和 3️⃣：利用数学分析找到最优的综合影响力指数  难度：中等 这道题目的核心在于理解加权H指数的定义，通过排序和前缀扫描的方法，将复杂的条件判断转化为...

楼主实习都是做的AI Infra，主要是大模型推理，在N卡上做vLLM和sglang的二次开发、简单算子开发、pytorch开发。本身秋招投的都是云侧大模型开发，但是也收到了一些其它稍微有点偏的方向的offer，所以非常纠结，想问各位大佬怎么看。1. 百度飞桨：百度飞桨框架的开发。技术上应该很不错，但毕竟飞桨生态不太行，且百度在走下坡路？2. 字节TT中台：感觉似乎非常核心，但是面试强度并不高，所以担心是不是有坑。且是偏传统推荐模型，而非大模型，和本身的预期有些偏差。但是TT背书很强？3. 腾讯太极：腾讯内部机器学习平台GPU推理训练框架开发，但是偏k8s后端，而非大模型推理加速本身，只是可能他们需要懂vllm和sglang的人。但是同部门似乎也有做ai infra的组，或许未来可以转？4. 阶跃星辰：端侧大模型infra。整体都挺好的，公司和政府绑定，端侧前景应该不错，只是需要从云转端。另外校招就去初创会不会不太好？5. 拼多多：gpu上具体vllm的infra开发，技术上很对口，聊的过程也感觉很好。优点就是匹配且钱非常多，缺点就是确实似乎有点太累了。目前的offer情况就是，业务非常对口的要么是中小厂（没有列出，但是也不是那种实力很差的小厂，而是一些大佬云集的初创，但是整体风险会更高，且应该没有很成熟的校招生培训体系），要么是拼多多（太累）。大厂要么是飞桨这种生态比较差的，要么是字节TT这种完全不是做大模型的，甚至腾讯这边是做传统后台开发的。所以非常纠结，想听听大佬们的看法。

📍面试公司：字节豆包🕐面试时间：8.19💻面试岗位：多模态算法❓面试问题：面试整体感觉问题不是特别难，我太菜了失去了豆包，都是围绕简历的项目来问的没有问八股的内容，面试官不开摄像头我有点紧张，看不见他啥反应。1.自我介绍，也不知道是我介绍的语速太快了吗？我介绍完之后他说了一句背的真流利，给我干蒙了，难道我要现编吗？2.简历上的几个项目展开拷问，其中问我的一个方法设计为什么会起作用，我回答的他不是很满意可能没答道他想听的吧。3.对多模态大模型的了解，BGE-VL的模型结构，实习经历4.概率题，一个圆随机取三点，取到锐角三角形的概率5.手撕infonce loss，跳格子题🙌面试感想：感觉...