1.详细说明大模型rl全流程，涉及到哪些模型，ppo/grpo有什么区别；2.rl里rollout耗时占比大概百分之多少，policy mfu大概多少，mfu计算公式，6Nd公式是什么；3.rl里rollout有哪些优化点（rollout量化 异步rollout等）；4.介绍rl中如何把预训练权重同步到推理引擎；5.Megatron，tp是怎么切分的，mlp中第一个矩阵和第二个矩阵分别是行切还是列切，通信分别是什么算子；6.预训练和sft loss、数据集有什么区别；7.预训练优化，介绍流水线并行，说明一下1f1b，dualpipe；8.说一下DeepSeek论文里觉得印象深刻的点（fp8训练）；9.介绍一下vllm/sglang里的continuous batching；

发发面经攒点人品，祝大家都能拿到满意的Offer！1. 项目深挖2. 算力决定因素（时钟频率/SM数/计算单元数/精度格式）3. FP8格式差异（E4M3高精度窄范围 vs E5M2宽动态范围）4. 矩阵乘算术强度：M×K×N 次乘加，访存 MK+KN+MN5. 场景题；通信与计算优化：uint数组通信压缩：uint32→uint166. 场景题：流水线重叠，计算总时间7. 场景题：合并访存实践：32×32矩阵求和 → 按行访问（连续）优于按列（非连续）8. 有哪些评估模型效果的指标：延迟（TTFT/TPT）、吞吐量、GPU/内存利用率、失败率9. Decoder-only架构10. CUDA Core vs Tensor Core适用场景11. 手撕：行TOP1 CUDA实现（shared memory归约 + 多行优化）12. 给出一段代码找优化方法

整理下最近的面经攒攒人品1.dpo训练对于系统问答的优化在哪里2.提高模型的准确率核心是什么3.怎么提高数据的质量4.rag文档怎么切分5.rag向量化的模型6.rerank用的什么模型7.有没有微调rerank模型/应该怎么微调8.dpo用的什么库代码:已知无序数组，求第k大数

1.对 Ai的理解 为什么要学习qi 学习知识的途径2.强化学习了解多少 dpo 以及 kto 了解么，数据配比问题 agent的planning能力如何增强3.除了transformer之外的网络4.多线程 如果请求很大的情况下如何解决问题5.反问环节

感觉整体还是不错的，不知道为啥挂了。。。1.用过哪些LLM工具2.把大模型应用到垂域场景中难点是什么，怎么解决3.怎么构造好的SFT数据4.bge微调的经验说一下5.LLM越来越强，算法工程师怎么更好的用LLM6.无手撕