主要工作内容；模型部署是一小部分，大部分是提升AI服务的吞吐，保证系统稳定性1.自我介绍2.问项目，模型掉点如何排查，如何选型推理设备，vllm了解多少，为什么能加速。RAG、rerank如何使用，怎么提升命中率3.系统性排查系统瓶颈，用户请求，推理服务，结果返回4.如何设计AI服务，让系统利用率最大5.手撕，字符串包含数字和符号，返回可能包含的ip地址6.反问

吐槽一下，没有让自我介绍，JD和需求侧重点不同，总共25分钟。1. 确认面试岗位和离职原因，这块说要求多模态，JD中没有。2. 解码和编码（应该是多模态的内容），做过哪些视觉项目。3. 项目中的难点是什么，如何解决，有什么创新点。4. 训练调参，怎么设置学习率，增加数据后微调如何调整。梯度累加是什么，和batch*2有什么区别。数据成倍增加，如何调整学习率。5. 反问。

主要问业务，根据简历内容，一项项问。考察解决问题能力和稳定性。1.自我介绍。2.是否做过移动端芯片，orin、thor和高通等平台的模型部署。3.遇到压缩后掉点，如何排查，一开始回答很简单，面试官指引，需要说更多细节。4.期望薪资，每份工作离职原因。5.反问。

主要职责：模型加速推理和精度维护。负责智驾模型的部署，涉及模型量化、剪枝和蒸馏工作，部署平台nvidia、高通等芯片的车载智驾模块。需要的技术栈：python， C++，onnx, tensorRT, CUDA写trt插件。1.自我介绍2.量化剪枝蒸馏是什么，主要如何实现，硬剪枝是什么意思。模型掉点如何排查。3.项目内容，涉及CNN和VIT剪枝，主要是如何实现，达到什么效果，遇到什么困难，如何解决。4.trt插件相关，主要实现的功能，有没有写过插件库。后面直接打开leetcode，现场写，题号209和240.

1. 激活函数应该满足什么2. python修饰符3. 用过CUDA写算子吗4. 项目，简历里写了大模型相关，会问相关问题，RAG，微调，数据清洗，vLLM（pageAttention)。容器化部署。5. torch你了解多少6. 反问记得的就这么多，应该前面有共性问题，大部分会问项目。对于技术栈，会问你掌握到什么程度。比如CUDA算子，你是会写，还是会调用，还是会更底层的优化。面试官比较友好，对于你不熟悉的地方，不会再追问。但对于你自述熟悉的地方，会问比较深。该岗位，是对目前一些主流的项目（torch、vLLM等），在自研GPU上的适配（应用层，底层计算库已有），需要对python，这些框架有一定的了解。

总部在常州主要职责是进行产线的产品缺陷检测。5个面试官，上来先问编程，我说C++，比较熟悉，问的是虚函数、析构函数，为什么虚函数不能是构造函数这些。算法问项目，主要实现方式是什么，难点，解决什么问题。问业务，给定一个产线检测的任务，大概的解决流程是怎么样。问个人发展，职业规划，还有评估沟通能力。后续再跟其中一个面试官电话沟通，了解到，该岗位需要承接一部分项目管理任务，需要去跟产线沟通具体需求。我的感觉，面试过程比较混乱，面试官对深度学习其实了解不多。且后期沟通，日常工作中会经常进行各部门同级别之间的会议沟通，确定检测算法的项目：功能、指标、时延等。这个岗位应该偏业务和管理多一些，需要较强的协调...

时长：半小时面试官：部门主管1.自我介绍2.OCR做的改进是哪部分，具体怎么实现3.目前业务体量多大，涉及的数据集怎么获取以及量级，各个场景使用的算法4.个人偏向做业务还是做技术5.反问6.做题，在有序数组中查找目标值，返回index。一开始用的遍历，后续面试官要求更快方法，遂用二分，继续要求若有多个值，返回index最小的后续看了岗位要求，需求强业务，我个人偏向技术。整体时间：7.5 一面，7.9二面。目前未有第三面，估计是无了

1.自我介绍2.根据项目，问检测用的什么算法，我说的DBnet3.介绍一下DBnet4.残差网络是什么，残差具体怎么起作用5.注意力机制，中间问了下BN6.识别用的什么网络7.介绍一下CTC8.中间会夹杂一些业务问题，比如重叠文字怎么分开，开放性问题9.反问10.两个有序数组合并成一个有序数组，尽量O(n)，最后返回第一个数组面试官很友好，记得的就这些。

1.自我介绍。2.文字检测常用什么算法。3.dbnet在识别过程中会生成几张map。4.可微二值化用在哪里了。5.loss函数有哪些。6.文字识别用什么算法，损失函数是啥。7.还问了一些注意力机制相关。8.样本不均衡怎么解决。9.focal loss具体怎么起作用的。10.反问面试官很和蔼，会根据你的项目追问。