职位题库

AI基础设施工程师面试题库

面向AI基础设施工程师相关面试,围绕张量并行、模型并行、MoE、性能分析、算法等主题展开练习,结合题目考察点、回答思路、参考答案和常见误区,梳理知识要点并练习清晰表达。

34 道题目建议用时 102 分钟专项面试练习

全部题目 34 道题

13

请介绍一下你的项目,并详细说明其中 Copy-on-Write 管理机制的设计思路。

考察候选人对项目的整体把握能力,以及对 Copy-on-Write 这一具体技术点的深入理解。
14

请解释 C++ 中的多态,并举例说明其在实际项目中的应用。

考察候选人对 C++ 核心特性的掌握程度,特别是多态的理解和应用能力。
15

请介绍常见的排序算法,并说明哪些是稳定的,哪些是不稳定的。

考察候选人对基础排序算法的掌握程度,包括时间复杂度和稳定性。
16

请介绍计算机网络五层模型,并详细说明数据链路层的作用。

考察候选人对计算机网络基础知识的掌握,特别是对分层模型和数据链路层的理解。
17

请介绍一个你参与过的AI基础设施相关项目,重点说明你的角色、技术选型、遇到的挑战以及最终成果。

考察候选人的项目经历真实性、技术深度、问题解决能力以及沟通表达能力。
18

请解释BM25和向量检索的原理,并说明余弦相似度和内积的差别。

考察候选人对检索算法和相似度计算的理解,以及在实际场景中的应用能力。
19

对于不同类型的文件(如PDF、HTML、Markdown、代码等),你会采用怎样的chunking策略?请举例说明。

考察候选人对不同文件格式的理解以及在实际RAG系统中的文本分块策略设计能力。
20

请解释BERT和GPT的区别,包括模型架构、训练目标和适用场景。

考察候选人对主流预训练语言模型的理解,以及在实际应用中的选型能力。
21

请解释Python中“==”和“is”的区别,以及深拷贝和浅拷贝的区别。

考察候选人对Python基础知识的掌握程度,包括对象比较、身份比较和拷贝机制。
22

讲解张量并行 TP 的核心逻辑,如何对 Linear、Attention、FFN 完成权重切分?列并行、行并行分别切哪一维、通信发生在哪个阶段?

考察候选人对张量并行核心原理的理解,包括权重切分方式、通信模式以及在不同模块中的应用。
23

TP 并行规模越大训练速度一定越快吗?请说明瓶颈与限制。

考察候选人对张量并行扩展性的理解,是否清楚通信开销、计算效率等因素对训练速度的影响。
24

详细区分 DP 数据并行与 TP 张量并行的本质差异,集群扩容时如何判断该加 DP 还是 TP?

考察候选人对数据并行和张量并行的理解,以及在实际集群扩容中的决策能力。
返回面试题库