腾讯混元 AI Infra 招一个多模态生成推理加速方向的实习生

1️⃣大模型推理优化方面KV Cache 、PagedAttention 、FlashAttention 等技术，提升吞吐和显存利用率。2️⃣高频考点vLLM 与 PagedAttentionKV Cache 原理与优化推理加速综合策略3️⃣公司考察侧重点差异💞字节跳动：全面覆盖推理优化、推荐系统、多模态等多个方向，考察系统化思维能力👀腾讯：偏重推理框架（ vLLM 、FlashAttention ）和长上下文优化🍎美团／滴滴：关注实用化推理加速技术选型和实践经验4️⃣面试准备建议➡➡掌握核心原理：深入理解 vLLM 的PagedAttention 、 KV Cache 、 FlashAttention 核心技术的实现机制。➡➡积累实战经验：准备具体的优化案例，包括量化效果、延迟提升数据等量化指标。➡➡构建系统视角：不仅要懂算法原理，还要了解系统资源调度、并发处理等工程实践。⭕如果你现在：- 春招/秋招没方向- 简历没人看- 面试总挂- 不知道怎么准备📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1. 自我介绍2. 说一下 new 和 malloc 的底层实现原理答案：malloc 是 C 里的内存分配函数，本质上就是向运行时分配器申请一块指定大小的原始内存，返回的是 void*，它只负责分配内存，不会调用构造函数。底层分配器一般会维护空闲链表、内存池之类的数据结构，再通过 brk 或 mmap 向操作系统要内存。new 是 C++ 的运算符，它通常分两步：先调用 operator new 分配原始内存，再在这块内存上调用构造函数完成对象初始化。如果构造函数抛异常，C++ 还会负责把前面申请到的内存回收。所以严格来说，new 和 malloc 最大的区别不是“一个是运算符一个是函数”这...

发点面经攒攒人品1、你在线上或离线训练时，过拟合怎么处理？直接说你最有效的三个方法和拿到的收益。2、把 BN 讲透：原理是什么；训练期和推理期用的统计量有何不同；跟 LN、GN 比，分别什么时候用、怎么取舍。3、分类和回归你最常用哪些损失？你更偏好哪几个，为什么（从鲁棒性、梯度、数值稳定性上谈）。4、L1 和 L2 正则你怎么选？它们各自的效果与风险是什么，工程里你是怎么权衡的。5、二元和多分类的交叉熵你怎么写？在工程里你怎么做数值稳定实现。6、AUC 到底在统计上代表什么？你怎么计算它，在线上业务里你如何解释“这次 AUC 提升”的含义。7、你做 CTR/CVR/CTCVR 联合建模时，ESMM/ESMM2 是怎么推导与工程落地的？线上到底带来了什么收益。8、Transformer 里因果注意力的 Q/K/V 各从哪来？Mask 具体怎么实现。9、Scaled Dot‑Product Attention 为啥要除以 √dk？如果不除会出什么数值或训练问题。10、把 Transformer / Decoder‑only 的整体结构过一遍，各个组件分别在干什么，有哪些常见变体。11、位置编码这条线你怎么选：绝对 PE、相对 PE、RoPE 各自的思路、优势和局限，结合你的项目谈取舍。12、长上下文怎么搞？Rope scaling、Position Interpolation、KV Cache 管理、检索增强、窗口注意力，你的实战方案是什么。13、KV Cache 在训练和推理中的差异是什么？它的加速价值有多大，吞吐与延迟你是如何权衡的，vLLM/paged‑attention 需要注意什么。14、PEFT 方案里（LoRA/QLoRA/Prefix/Prompt‑Tuning/Adapter）你怎么选？说说稳定训练的经验。15、SFT 和对齐（RLHF/DPO/IPO/PPO）原理差在哪？在不同数据与资源条件下，你怎么选路线。16、RAG 系统你怎么设计？切分、索引、召回/重排、压缩/融合、兜底策略怎么串。17、提示词工程你是怎么搞的？System/角色/约束/分步指令怎么写，如何防越狱

自我介绍 用了哪些方法使FCP渲染耗时缩短近1s 有没有遇到过哪个包不支持ESM的，你是怎么处理的 你进行代码分割的思路是什么 不定高的虚拟列表的实现原理是什么NextJS有哪些渲染模式，分别介绍一下你们的应用用的是哪种 NextJS中有一个内置的图片优化组件，它做了哪些优化 让你优化图片显示你怎么优化webp格式的图片有兼容性问题吗，怎么做降级处理 AI问答应用有出现页面抖动的情况吗，你是怎么处理的应用用的什么markdown库 AI问答应用有出现返回中断导致的markdown显示错误吗，是怎么处理的浏览器插件有哪些组成部分各个部分怎么进行通信插件的sidePanelAI应用的思考模式是怎么...