AI 工程面试题(按公司分类)中文版 —— 顶级 AI 公司 AI 工程面试速查手册,附答案链接
ai-engineering-interview-questions-company-wise-zh-cn (ninetyhe-90/ai-engineering-interview-questions-company-wise-zh-cn)
Searching Database…
ai-engineering-interview-questions-company-wise-zh-cn README
The project's README from github.com/ninetyhe-90/ai-engineering-interview-questions-company-wise-zh-cn. As one markdown file: README.md.
AI 工程面试题(按公司分类)
你攻克顶级 AI 公司 AI 工程面试的速查手册。
收录 41 家公司 AI 工程面试中真实出现过的题目,按公司逐一整理。
凡是能找到答案的,答案链接就放在题目下方。
开始阅读 • 按公司浏览 • English 原版 • Outcome School 课程
41 家公司 · 10 大主题 · 每道题附答案链接 · 全文中文
这是什么?
一份按公司整理的 AI 工程面试题清单。题目全部来自公开报道的面试经历,不包含任何机密内容;凡是找得到答案的,答案链接就附在题目下面。
适合准备这些岗位:AI 工程师、生成式 AI 工程师、LLM 工程师、Agentic AI 工程师、AI Agent 工程师、机器学习工程师、研究工程师、应用科学家、前向部署工程师、AI 解决方案架构师、AI 平台工程师、应用 AI 工程师、LLM 推理与性能工程师、MLOps 工程师、LLMOps 工程师。
| 版本 | 文件 | 说明 |
|---|---|---|
| 中文版 | README.md | 简介、使用说明、通用题与 41 家公司的专属题目,全部已译为中文 |
| 英文原版 | README.en.md | pallavi-shekhar/ai-engineering-interview-questions-company-wise 的原文,用于对照术语 |
本仓库是上面这个英文仓库的中文版,全文已翻译为中文。发现翻译问题欢迎提 Issue 或 PR。
目录
- 这是什么?
- 如何使用本仓库
- 跨公司通用面试题
- 前沿 AI 实验室
- 大型科技公司的 AI 组织
- 中国互联网公司
- AI 基础设施与平台公司
- AI 原生应用公司
- 前向部署与企业级 AI
- 由 Outcome School 整理与维护
说明:我们会持续补充新的题目与答案。
想看按主题组织的题目与答案,请见 AI Engineering Interview Questions and Answers。
如何使用本仓库
- 这里的题目都整理自公开报道的面试经历,不包含任何机密内容。面试流程总在变化,并且会因团队、级别和地区而异,因此请把每个公司的板块当作"这家公司关心什么"的地图,而不是"你一定会被问到什么"的脚本。
- 先看跨公司通用面试题。这些是在许多公司都会反复出现的题目。每道题只列一次,并标注了会问它的公司,因此公司板块里不会重复出现。
- 然后看你的目标公司。每个公司板块都包含它覆盖的岗位、公开报道的面试流程,以及按主题分组的公司专属题目。
- 凡是已有答案的题目,答案链接就放在题目下方。我们会持续补充答案。
跨公司通用面试题
这些问题会在许多公司的 AI 工程面试中出现。每道题在此只列一次,并标注了会问它(或它的公司特定变体)的公司。请先吃透这些。
LLM 内部机制与架构
- 解释缩放点积注意力(scaled dot-product attention),以及 1/sqrt(d_k) 缩放因子的作用。
- 什么是 KV 缓存?在大规模场景下它对显存有什么影响?请推导公式。
- 什么是多查询注意力(MQA)和分组查询注意力(GQA)?它们分别牺牲了什么?
- 什么是多头潜在注意力(MLA)?DeepSeek 为什么要引入它?
- 出现于:DeepSeek、Moonshot AI、字节跳动、美团
- 答案:KV Cache 压缩
- 解释 FlashAttention。它并没有减少 FLOPs,为什么却更快?
- 字节对编码(Byte Pair Encoding)是如何工作的?它有哪些失效场景(数字、代码、非拉丁文字)?
- 出现于:Alibaba、Sarvam AI、Hugging Face
- 答案:字节对编码 及 大语言模型(LLM)中的分词
- Transformer 中的位置编码是什么?它是如何演进的(正弦式 → 可学习 → RoPE → ALiBi)?
- 解释 RoPE,以及位置插值 / YaRN 如何把上下文扩展到训练长度之外。
- 出现于:Meta、Moonshot AI、Alibaba、腾讯、美团
- 答案:RoPE(旋转位置编码)背后的数学
- Chinchilla 缩放定律讲了什么?它与早期关于缩放的直觉有何不同?
- 出现于:Anthropic
- 什么是混合专家(mixture-of-experts)架构?它如何在不增加 FLOPs 的前提下扩展模型容量?
- 解释预训练、监督微调与偏好优化之间的区别。
- 出现于:Meta、Scale AI
- 答案:解读 InstructGPT 及 基于人类反馈的强化学习(RLHF)
- 比较贪婪解码、束搜索、top-k、top-p 与温度采样。各自在什么情况下会失效?
- 长上下文中的"中间遗忘"(lost-in-the-middle)问题是什么?如何缓解?
- 出现于:Moonshot AI
- 答案:LLM 中的中间遗忘问题
- 为什么现代 Transformer 把 LayerNorm 放在每个 block 之前?什么是 RMSNorm?
- 解释 SwiGLU,以及为什么门控激活在现代 LLM 的 MLP 模块中取代了 ReLU/GELU。
- 出现于:Meta
- 答案:LLM 中的前馈网络
- 请逐张量地讲一遍仅解码器(decoder-only)Transformer 的一次前向传播都发生了什么。
- 出现于:Anthropic
- 答案:解读 Transformer 架构
推理服务与 GPU 性能
- 解释 prefill 和 decode 两个阶段。为什么 prefill 受算力限制,而 decode 受显存带宽限制?
- 什么是连续批处理(在途批处理)?它为什么取代了静态批处理?
- PagedAttention 是如何工作的?它解决了 KV 缓存的什么碎片化问题?
- 什么是投机解码(speculative decoding)?为什么它不会降低输出质量?什么情况下它没有帮助?
- 出现于:NVIDIA、Together AI、字节跳动
- 答案:投机解码
- 解释前缀缓存 / 提示缓存(prompt caching)。何时该用它?什么会使已缓存的前缀失效?
- 出现于:Moonshot AI、Character.AI、字节跳动
- 答案:提示缓存是如何工作的?
- 在推理服务中比较 FP16、BF16、FP8、INT8、INT4 与 FP4。每往下降一档会坏在哪里?
- 比较张量并行、流水线并行、数据并行、序列并行与专家并行。什么时候要把它们组合使用?
- 估算服务一个 70B 模型所需的 GPU 显存:权重、KV 缓存、激活值、碎片。
- 什么是 TTFT、TPOT、ITL 和吞吐?它们之间如何相互权衡?
- 做一下 roofline 计算:一张 H100 在 batch size 为 1 时,为一个 70B 模型每秒能产生多少 token?
- 什么情况下你会选择 vLLM、SGLang、TensorRT-LLM 还是自研栈?
- 你如何把 LLM 服务成本降低 10 倍?请列举所有可用的手段并排序。
- 一次没有改模型的发布之后,p99 延迟翻倍了。请讲讲你的排查思路。
- 什么是分块预填充(chunked prefill)?为什么它能改善混合流量下的尾延迟?
- 解释预填充/解码分离(prefill/decode disaggregation)式服务,以及它何时才划算。
RAG 与检索
- 对大型技术文档语料,你会采用什么分块策略?为什么?
- 如何在稀疏检索器(BM25)和稠密检索器之间做选择?什么时候两者都需要?
- 什么是重排序器(reranker)?何时该用它?交叉编码器(cross-encoder)的代价是什么?
- 你会如何评估 RAG 流水线的质量:分别评估检索和生成?
- 什么是 HyDE(假设文档嵌入)?它在什么时候优于标准的稠密检索?
- Agentic RAG 与标准 RAG 有何不同?什么时候值得引入这份额外复杂度?
- 答案:Agentic RAG
- 嵌入检索中的语义漂移(semantic drift)由什么引起?如何检测?
- 出现于:Cohere
- 设计一个权限感知的检索:用户绝不能看到其在源系统中无权访问的内容。
- 比较 HNSW、IVF-PQ 与扁平(flat)索引。如何选择?recall@k 会带来多少延迟代价?
- 出现于:腾讯、美团、京东
- 答案:近似最近邻(ANN)搜索是如何工作的? 及 向量数据库是如何工作的?
- 如何在检索流水线中处理表格、图和多栏 PDF?
- 当底层语料持续变化时,如何保持索引新鲜?
- 出现于:Perplexity、Cursor、字节跳动
- 如何把生成答案中的每一项主张都归因到具体的检索片段?
- 出现于:Perplexity、Harvey、Abridge
Agent 与工具调用
- 解释 ReAct 模式,以及相比单纯的思维链(chain-of-thought)它解决了什么。
- 出现于:字节跳动、腾讯、美团
- 答案:ReAct Agent 及 思维链(CoT)提示是如何工作的?
- 在 agent 循环中,你如何处理工具调用错误、超时和重试?
- 出现于:OpenAI、Cognition
- 答案:AI Agent 循环
- 结构化输出与函数调用(function calling)有什么区别?
- 出现于:Mistral AI、Apple、京东、美团、阿里巴巴(淘天、阿里云)
- 答案:LLM 中的函数调用是如何工作的?
- 什么是 MCP(Model Context Protocol)?它与传统函数调用有何不同?
- 工具多到什么程度算太多?如何设计 LLM 真的能正确使用的工具 schema?
- 出现于:Anthropic、Cognition
- 答案:见视频 AI 工程详解:LLM、RAG、MCP、Agent、微调、量化
- 多 agent 编排是如何工作的?它在什么时候会崩溃?
- 出现于:Cognition、字节跳动、美团、京东、阿里巴巴(淘天、阿里云)
- 答案:多 Agent 系统 及 AI 编排
- 为长时间运行的 agent 设计记忆:存什么、存在哪里、如何检索?
- 出现于:Anthropic、京东、字节跳动
- 答案:AI Agent 记忆
- agent 如何决定是调用工具还是用自己的知识回答?
- 什么能让 agent 循环正确终止?如何限制成本和步数?
- 出现于:字节跳动、腾讯、美团
- 答案:AI Agent 循环 及 修复 AI agent 中的死循环
- 在生产系统中,如何让 agent 的动作可逆,或至少可审计?
- 出现于:Palantir、京东、阿里巴巴(淘天、阿里云)
- 为一个会执行有后果动作的 agent 设计人在环路(human-in-the-loop)审批。
- 出现于:OpenAI、Palantir、阿里巴巴(淘天、阿里云)、腾讯
- 你的 agent 跑久了之后跑偏了,还很自信地在做错的事。请诊断。
微调后训练与对齐
- 完整讲一遍 RLHF:奖励模型、策略优化、KL 惩罚。
- 什么是 DPO?为什么它在许多实验室取代了基于 PPO 的 RLHF?什么时候在线 RL 仍然更好?
- 出现于:Hugging Face、Scale AI、腾讯、阿里巴巴(淘天、阿里云)、美团
- 答案:直接偏好优化(DPO)
- 解释 GRPO,以及为什么在大规模下去掉价值网络很重要。
- 出现于:DeepSeek、字节跳动、腾讯、美团、阿里巴巴(淘天、阿里云)
- 答案:组相对策略优化(GRPO)
- 从数学上解释 LoRA 的分解。它为什么有效?如何选择秩 r?
- 出现于:美团、腾讯、京东
- 答案:LoRA——LLM 的低秩适配
- QLoRA 是如何实现显存降低的?它的量化权衡是什么?
- 出现于:Hugging Face
- 答案:见视频 AI 工程详解:LLM、RAG、MCP、Agent、微调、量化 及 模型量化是如何工作的?
- 比较 LoRA、prefix tuning、prompt tuning 与全量微调。分别何时选用?
- 出现于:Sarvam AI、Apple
- 答案:微调是如何工作的? 及 Prefix Tuning 是如何工作的?
- 什么是灾难性遗忘?微调时如何缓解?
- 出现于:Mistral AI
- 答案:LLM 中的持续学习
- 提示、RAG 还是微调:请给出你的决策框架,并附上成本与延迟。
- 做一下用 Adam 以 bf16 全量微调一个 7B 模型的 GPU 显存计算。再算用 LoRA 的情况。
- 什么是 RLVR(可验证奖励的 RL)?它在哪些方面优于学习式奖励模型?
- 解释 RLHF 中的奖励黑客(reward hacking),以及各实验室如何应对。
- 出现于:Scale AI、字节跳动
- 答案:基于人类反馈的强化学习(RLHF)
- 什么是蒸馏?如何用大模型构建一个强的小模型?
- 出现于:Alibaba
- 答案:知识蒸馏是如何工作的?
评估与可观测性
- 设计一个 LLM-as-judge 评估。它有哪些已知偏差?如何校正?
- 出现于:Perplexity、字节跳动、滴滴
- 答案:LLM 作为裁判(LLM as a Judge)
- 当没有标注真值、专家又很贵时,如何构建评估集?
- 在生产 RAG 系统中,如何检测和度量幻觉?
- 设计一个回归门禁,用来决定 prompt 或模型改动能否上线。
- 出现于:Anthropic
- 为什么基准分数提升了,用户却说系统变差了?请列举原因。
- 出现于:Cognition
- 什么是基准污染(benchmark contamination)?如何防范?
- 生产级 LLM 系统需要哪些可观测性:traces、spans、成本、反馈?
- 在生产中如何管理 prompt 版本和回滚?
- 设计在线评估:你会记录什么、采样什么、对什么做 A/B?
- 出现于:Perplexity
- 如何评估一个 agent(相对于单次模型回答)?
安全安保与负责任 AI
- 什么是提示注入(直接与间接)?你的分层防御是什么?
- 出现于:Anthropic、OpenAI、Microsoft、Sierra
- 答案:LLM 中的提示注入
- 讲讲 LLM 应用的 OWASP Top 10,以及哪些在实践中真的会造成危害。
- 越狱(jailbreaking)和对抗性提示(adversarial prompting)有什么区别?
- 答案:LLM 中的提示注入
- 为面向消费者的助手设计护栏。输入过滤、输出过滤,还是两者都用?
- 出现于:Sierra、Character.AI
- 答案:LLM 护栏是如何工作的?
- 什么是 Constitutional AI?它与 RLHF 有何不同?什么是 RLAIF?
- 出现于:Anthropic
- 如何防止一个拥有工具访问权限的 agent 通过恶意网页外泄数据?
- 出现于:OpenAI
- 答案:LLM 中的提示注入
- 如何在 prompt、日志和训练数据中处理 PII(个人身份信息)?
- 出现于:Abridge
- 什么是机制可解释性(mechanistic interpretability)?实验室为什么投入它?
- 你会如何审计一个已部署模型在不同用户群体上的差异化表现?
- 出现于:Microsoft
- 为一个即将发布的模型设计红队计划。
- 答案:LLM 评估
多模态语音与音频 AI
- 视觉语言模型如何把图像送进 LLM:投影器、交叉注意力,还是原生 token?
- 出现于:Meta、Alibaba、腾讯
- 答案:多模态 AI 及 解读视觉 Transformer(ViT)
- 从图像到视频,会有什么变化?
- 为实时语音 agent 做延迟预算:VAD、ASR、LLM、TTS、网络。时间花在哪里?
- 出现于:Sarvam AI、ElevenLabs
- 答案:设计一个实时语音 AI Agent
- 为语音 agent 设计打断(barge-in)处理。
- 出现于:ElevenLabs
- 答案:设计一个实时语音 AI Agent
- 级联式 ASR+LLM+TTS 与原生语音到语音:请为双方辩护。
- 出现于:ElevenLabs
- 答案:设计一个实时语音 AI Agent
- 在没有唯一正确答案的情况下,如何评估 ASR 质量(超越 WER)和 TTS 质量?
- 出现于:ElevenLabs
- 在生产 ASR 系统中如何处理语码转换(code-switching)和口音?
- 解释流式 TTS 的分块与抖动缓冲(jitter buffer)大小设置。
- 出现于:ElevenLabs
- 设计一个说话人分离(diarisation)系统,并解释如何归属角色,而不只是聚类。
- 出现于:Abridge
- 如何在一个索引中对图像、视频和文本构建多模态检索?
- 答案:图像嵌入是如何工作的?
AI 系统设计
- 设计一个面向 1000 万文档、带每用户权限的企业级 RAG 助手。
- 设计一个代码助手:仓库索引、上下文组装、编辑应用、评估。
- 出现于:Cursor、字节跳动、腾讯、美团、阿里巴巴(淘天、阿里云)
- 答案:Cursor 是如何工作的? 及 Claude Code 是如何工作的?
- 设计一个能执行真实动作、并可升级到人工的客服 agent。
- 出现于:消费者级 ML 公司、Sierra、滴滴、京东、美团
- 为大型商品目录设计语义搜索。
- 出现于:Character.AI、京东
- 答案:语义搜索是如何工作的?
- 设计一个结合分类器与 LLM 的内容审核系统。
- 出现于:Meta
- 设计一个文档智能流水线:输入扫描版 PDF,输出结构化字段,规模 1000 万文档。
- 出现于:Palantir
- 为拥有数千张表的数仓设计一个 Text-to-SQL 系统。
- 出现于:Databricks、Palantir
- 设计一个会议助手:录音、说话人分离、摘要、待办事项、集成。
- 出现于:Microsoft
- 设计一个 LLM 网关:跨供应商路由、故障转移、缓存、预算与限流。
- 出现于:Perplexity、Palantir、腾讯、京东
- 答案:LLM 路由 及 语义缓存是如何工作的?
- 为面向数亿用户的消费级聊天助手设计服务栈。
编码与数据结构
- 用 NumPy 或 PyTorch 从零实现带因果掩码的缩放点积注意力。
- 出现于:Anthropic、Google DeepMind、Amazon、字节跳动、美团、滴滴
- 答案:注意力背后的数学:Q、K、V 及 注意力中的因果掩码
- 实现多头注意力,然后把它改造成分组查询注意力。
- 实现一个 KV 缓存和单步解码。
- 出现于:Moonshot AI
- 答案:什么是 LLM 中的 KV Cache?
- 从零实现 BPE 的训练与编码。
- 答案:字节对编码
- 在 logits 向量上实现 top-k、top-p 与温度采样。
- 实现 O(1) get/put 的 LRU 缓存,然后加上 TTL。
- 实现一个令牌桶限流器,然后让它分布式化。
- 写一个针对 API 的异步批处理器,支持并发限制、带抖动的重试和错误隔离。
- 出现于:Anthropic、Perplexity
- 写一个流式 SSE/JSON 解析器,能处理任意分块边界。
- 出现于:Cohere、滴滴、京东
- 答案:Token 流式输出是如何工作的?
- 实现一个带重叠、且绝不切断语义单元的文本分块器。
- 在嵌入上实现余弦相似度检索,然后解释为什么你最终不会直接上线它。
- 答案:向量数据库是如何工作的?
- 实现一个最小 agent 循环,包含工具分发、错误处理和步数预算。
- 出现于:Cognition、字节跳动、腾讯、美团
- 答案:AI Agent 循环
前沿 AI 实验室
Anthropic
**本板块覆盖的岗位:**Member of Technical Staff(MTS)、软件工程师(产品 / 基础设施 / API 服务)、研究工程师、研究科学家、应用 AI 工程师、前向外派工程师(Applied AI)、性能工程师(推理与算子)、产品工程师(Claude Code / Claude.ai)。
公开报道的面试流程: 招聘官初筛(约 30 分钟,有实质内容、会被刷)→ CodeSignal 式或现场编码测评(约 70–90 分钟,一道实操题分约 4 个递进层级)→ 约五轮的线上 onsite:项目深挖、一到两轮编码、系统设计,以及专门的价值观/文化轮。端到端时长:3 周到约 2 个月。部分 MLE 流程现在还包含一轮“AI 协作”轮:现场提供 Claude,考察你如何指挥与验证它。
另外还要准备:跨公司通用面试题中标注 Anthropic 的题目,分布在 LLM 内部机制与架构、推理服务与 GPU 性能、Agent 与工具调用、评估与可观测性、安全安保与负责任 AI、AI 系统设计、编码与数据结构。
编码与数据结构
- 为一个玩具版银行应用构建核心业务逻辑:一份会分四个递进层级不断加需求的 spec,对着一个黑盒评测器写。
- 构建一个内存数据库:先做 SET/GET/DELETE,再做带过滤的扫描,再做带时间戳的 TTL,最后做文件压缩。
- 实现一个任务调度器。
- 用面向对象的方式实现一个管理课程、成绩与学生的系统。
- 给定一个会抓取某个 URL 的辅助方法,写一个针对某个域名的爬虫:先同步,再改成异步。
- 把嵌套的调用栈轨迹转换成离散的开始事件与结束事件。
- 实现一个限流器。之后我每十分钟加一个需求:按租户限流、突发配额,然后是滑动窗口。你怎么保证代码不会塌掉?
- 你需要对 50,000 篇文档各跑一次 LLM 调用。API 允许约 100 并发,偶尔会返回 429 和超时。请写出这段 Python。
- 你会如何把这个任务并行化?(并发与数据修改在多个轮次里反复出现。)
- SQL:写一条查询,找出最常被一起购买的前五组商品对。
- SQL:判断是否存在某个用户的订阅日期区间出现重叠。
- SQL:某次 ETL 错误每年都插入一条新的薪资记录,请返回每个员工的当前薪资。
LLM 内部机制与架构
- Transformer 模型的关键组件有哪些?各自为什么重要?
- 讲讲无注意力(attention-free)的 Transformer 架构及其权衡。
- 走一遍与 LLM 架构相关的矩阵运算。
推理服务与 GPU 性能
- 设计一个批处理推理系统,让 100 个请求和 1 个请求花的时间一样。
- 答案:LLM 中的连续批处理
- 为 Claude 规模的 LLM API 设计服务栈。在不破坏 p99 延迟的前提下最大化 GPU 利用率。
- 答案:LLM 推理优化
Agent 与工具调用
- 对 Claude Code 这样的 agentic 编码工具来说,模型和 harness 哪个更重要?请设计这个循环。
- 为一个编码 agent 设计工具面:有哪些工具、它们的 schema 长什么样、结果如何返回。
微调后训练与对齐
- 解释 Constitutional AI。相比原生 RLHF 它买到了什么,又没解决什么?
- 缩放定律如何影响大模型的安全评估?
AI 系统设计
- 设计 Claude 的聊天服务。
- 设计一个能让大语言模型在单个会话线程中处理多个问题的系统。
- 设计一个面向 10 亿文档、100 万 QPS 的分布式搜索系统。
- 为开发者设计安全、高效地访问 Anthropic 模型的 API。
- 设计一个文件共享 / 分发系统。
评估与可观测性
- 你会如何设计实验,来检验大语言模型中某个特定的涌现能力或偏见?
安全安保与负责任 AI
- 你的 agent 会读取收到的邮件,并且能发送回复、搜索内部文档。请讲一遍提示注入的攻击面以及你的防御。
- 答案:LLM 中的提示注入
- 你认为 AI 对齐领域最紧迫的未解难题是什么?
- 你如何在性能优化与模型可解释性之间做取舍?
- 你会如何设计一个确保 AI 模型安全部署到生产的系统?
应用与前向部署场景
- 一家企业客户说他们的 RAG 知识助手里“Claude 幻觉太多”。你是负责该客户的应用工程师。前 48 小时会发生什么?
- 你会如何让复杂的 AI 研究成果被非技术受众理解?
行为与文化
- 讲一个你端到端负责过的项目。其中关键的技术决策是什么?
- 为什么偏偏是 Anthropic?你在哪些地方不认同 Anthropic?
- 讲一次因为技术判断失误而导致项目延期的经历。
- 你怎么看 AI 安全以及先进 AI 系统的风险?
OpenAI
**本板块覆盖的岗位:**Member of Technical Staff、软件工程师、机器学习工程师、研究工程师、研究科学家、应用 AI 工程师、前向外派工程师、解决方案架构师、数据科学家。
公开报道的面试流程: 招聘官初筛 → 技术筛查(实操编码,通常是“做个真东西”,而不是 LeetCode)→ onsite:两到三轮编码/实操、一轮领域深度或 ML 轮、一轮系统设计,以及行为/使命契合度。应用 AI 与 FDE 流程还会加一轮客户场景与方案设计。
另外还要准备:跨公司通用面试题中标注 OpenAI 的题目,分布在 LLM 内部机制与架构、推理服务与 GPU 性能、Agent 与工具调用、微调后训练与对齐、评估与可观测性、安全安保与负责任 AI、AI 系统设计、编码与数据结构。
编码与数据结构
- 设计并实现一个内存键值存储,支持 set、事务 begin、commit 与 abort。
- 一步一步实现一个数据库 ORM。
- 用 Go 写一个小网页爬虫。
- 用给定的 CSS 和 API 按设计稿实现一个 UI。
- 重构烂代码:这里有约 120 行能跑但很乱的代码,并且测试是通过的。在不破坏测试的前提下改进架构。你先改什么?
- 写一个 Python 函数,输出前 n 个斐波那契数。
- 写一个感染传播模拟。
机器学习与深度学习基础
- 给定不同的随机变量,计算 KL 散度。
- 如果一个分类器的准确率是 1,那么单个训练样本上损失函数的下界/上界是多少?
- 答案:交叉熵损失背后的数学
- 两个模型,准确率分别 85% 和 82%。你选哪个?
- 你如何在 Pandas 中处理缺失数据?
LLM 内部机制与架构
- 解释自注意力。它的计算复杂度是多少?当上下文变长时你有哪些选择?
- 交叉熵、KL 散度与困惑度之间是什么关系?为什么交叉熵是语言模型的训练损失?
- 答案:交叉熵损失背后的数学
- 调整 LLM 上下文窗口大小会有什么影响?
Agent 与工具调用
- 你正在做一个会调用工具(函数调用)的生产级 agent。什么能让这个循环可靠到可以上线?
AI 系统设计
- 你会如何构建一个由 LLM 驱动的企业搜索系统?
- 为 ChatGPT 规模的消费级助手设计服务栈:数亿周活用户、流式对话、多个模型档位。
- 设计并构建一个 webhook 投递系统,把事件可靠地投递到客户注册的 URL。
- 设计一个在分布式环境中调度任务的系统。
- 设计一个内存数据库。/ 设计一个 Slack。
评估与可观测性
- 客户说在他们升级模型版本之后“模型变差了”。你如何验证并回应?
- 一家企业客户报告说,你部署的系统响应变慢了。讲讲你的排查思路。
安全安保与负责任 AI
- 在消费级产品中你如何做生成式 AI 的安全?
- 你会如何为一个可以代表用户执行动作的 AI 系统设计防护措施?
应用与前向部署场景
- 一家企业客户说:“我们想用 AI 自动化理赔处理。”你就是现场的那个工程师。前两周是什么样子?
- 你有使用 API 的经验吗?你习惯与 C 级别高管一起工作吗?
行为与文化
- 你最喜欢的产品是什么,为什么?
- 讲一次你犯错的经历。
- 讲一次你和别人发生冲突的经历。你是怎么解决的,学到了什么?
- 讲一次你与相关方优先级冲突、并最终达成一致协调的经历。
- 你最自豪的项目是什么?
Google DeepMind and Google AI
**本板块覆盖的岗位:**研究工程师、研究科学家、机器学习工程师、软件工程师(ML)、前向外派工程师、应用 AI 工程师(Google Cloud / Vertex AI)、数据科学家。
公开报道的面试流程: 招聘官初筛 → 技术电话面(编码,有时含 ML 基础)→ onsite:两轮编码、一轮 ML 领域/广度、一轮 ML 系统设计,以及 Googleyness/领导力。DeepMind 研究工程师流程还会加一轮研究深挖、数学/概率,以及从零实现的一轮;之后是招聘委员会与团队匹配。
另外还要准备:跨公司通用面试题中标注 Google DeepMind 的题目,分布在 LLM 内部机制与架构、推理服务与 GPU 性能、AI 系统设计、编码与数据结构。
编码与数据结构
- 你在接收一个无界的事件 ID 流。请任意时刻都能返回目前为止出现频率最高的 k 个 ID,且内存有界。
- 最近键:给定一个字典,键是字母、值是字母列表,找出最近的键。
- 写一个函数,给定 y_pred 和 y_true 列表,计算均方根误差。
- 解析二元组(bigram):从字符串中提取两词短语,用于 NLP 特征工程。
机器学习与深度学习基础
- 定义偏差-方差权衡,并讨论二者之间的关系。
- 线性回归有哪些假设?
- 区分正则化与验证:什么时候各自才是正确的工具?
- 推导 softmax 输入下交叉熵损失的梯度,并解释为什么数值上要把它们融合在一起。
- 答案:交叉熵损失背后的数学 及 反向传播背后的数学
- 解释 SVD,并给出它在现代深度学习中出现的两处位置。
- 平均而言,掷一枚公平硬币要多少次才能出现连续两个正面?请讲一遍推导。
- 什么时候你选 Q-learning 而不是策略梯度,反之呢?
- 你有一个贷款审批的二分类器,并且只能有限地访问特征权重。你如何解释一次拒贷?
微调后训练与对齐
- 在一次长跑训练中,预训练损失在第 300k 步突然发散。请诊断并修复。
- 为一个装不进单张加速器的模型(比如在一个 pod 上训 70B 参数)设计训练方案。
AI 系统设计
- 为面向数亿用户的多模态助手设计服务系统(输入文本 + 图像,输出流式文本)。
- 用人口统计信息、房源元数据、设施、价格、评论与位置,设计一个租房房源的个性化推荐系统。
- 设计一个分类器,预测在视频中插入广告的最佳时刻。
- 你会如何改进商品搜索结果,重点关注检索到的相关文档比例(recall)?
- 答案:精确率 vs 召回率
- 论证在某个问题上使用神经网络的合理性:关于网络、数据集、时间线与业务背景,你需要了解什么?
评估与可观测性
- 为一个新的前沿模型发布构建评估体系。它需要做到什么?
- 答案:LLM 评估
- 100 万条西雅图打车行程,够不够训练一个准确的 ETA 预测模型?你会如何判断?
行为与文化
- 讲一次你与某位研究员或技术负责人就优先级产生分歧的经历,以及后续发生了什么。
Meta (Superintelligence Labs, FAIR, Llama)
**本板块覆盖的岗位:**机器学习工程师(E4–E7)、研究工程师、研究科学家、AI 基础设施工程师、软件工程师(ML)、应用研究科学家。
公开报道的面试流程: 招聘官初筛 → 技术筛查(45 分钟内 2 道编码题)→ onsite:两轮编码、一轮 ML 系统设计、一轮 ML 领域/广度,以及一轮行为面(“Jedi”轮)。部分 2026 年的流程还包含一轮分三阶段的 AI 辅助编码:排查并修复问题、实现新功能、扩展并改进系统。
另外还要准备:跨公司通用面试题中标注 Meta 的题目,分布在 LLM 内部机制与架构、推理服务与 GPU 性能、多模态语音与音频 AI、AI 系统设计。
编码与数据结构
- 给定一个包含 n 个整数的数组 nums(n > 1),返回一个输出数组(除自身以外数组的乘积)。
- 在 S 中找出包含 T 中所有字符的最小窗口。
- 二叉树的序列化与反序列化。
- 把一棵二叉树转换成一个循环双向链表。
- 外星字典:从一个已排序的单词列表中推断字符顺序。
- 距离原点最近的 K 个点;前 K 个高频元素;会议室的最小数量。
- 含 '.' 和 '*' 的正则表达式匹配。
- 两段式热身:给定一个用户行为流,返回互动量最高的 k 个元素。然后是:为什么你的堆解法在生产中可能是错的选择?
机器学习与深度学习基础
- 你的广告 CTR 模型离线 AUC 提升了 2%,但线上 A/B 收入持平且校准变差。发生了什么,你会怎么做?
LLM 内部机制与架构
- 讲讲 Llama 一类模型的架构选择:为什么用分组查询注意力、RoPE 和 SwiGLU,而不是 2017 年的原始 Transformer?
- 把 LLM 训练从 8 张 GPU 扩展到数千张时,什么会崩?现代训练栈又是如何应对的?
推理服务与 GPU 性能
- 你需要为一个面向数亿助手用户的 Llama 类 70B+ 模型提供服务。服务栈长什么样,钱花在哪里?
- 答案:LLM 推理优化
Agent 与工具调用
- 你被丢进一个不熟悉的、多文件的代码库,其中有一个行为是错的,并且有一个 LLM 助手可用。讲讲你会怎么修。
微调后训练与对齐
- 讲一遍把一个预训练基座模型变成个性化助手的后训练配方。
AI 系统设计
- 设计 Instagram Reels 的推荐系统。
- 设计一个个性化的信息流排序系统 / Facebook 信息流的“下一条帖子”逻辑。
- 设计 Facebook 广告的推荐系统,以及广告排序的评估框架。
- 设计 Instagram Story 某个功能背后的 ML 组件。
- 为 Marketplace 商品设计一个端到端的分类流水线。
- 设计一个语言翻译模型 / 服务。
评估与可观测性
- 你会如何在每次模型发布前后,构建 Meta AI 助手的评估体系?
- 答案:LLM 评估
安全安保与负责任 AI
- 为 Facebook 与 Instagram 上传内容设计有害内容检测系统。
多模态语音与音频 AI
- 现代多模态模型是如何把图像和视频理解能力塞进 LLM 的?对视频而言又有什么不同?
- 答案:多模态 AI
行为与文化
- 举一个你用数据和机器学习做过的项目。你遇到了哪些障碍?
- 讲一次你在模糊不清中推动出重要结果的经历,以及一次你错了的经历。
- 讲讲你维护生产级 ML 流水线的经历。为什么选择 Meta?
xAI
**本板块覆盖的岗位:**Member of Technical Staff、AI 工程师、基础设施工程师、研究工程师、产品工程师(Grok)、数据 / RL 环境工程师。
公开报道的面试流程: 快、流程感很弱。通常是招聘官或 hiring manager 初筛 → 一到两轮偏数据结构与系统的现场编码 → 一轮“做个东西出来”的实操(通常是限时四小时做一个产品,或在真实代码库里补全一个模块)→ 创始人/leader 对话。速度与纯粹的交付能力权重很高。
另外还要准备:跨公司通用面试题中标注 xAI 的题目,分布在 LLM 内部机制与架构、推理服务与 GPU 性能、AI 系统设计、编码与数据结构。
编码与数据结构
- 构建一个内存键值存储,支持 SET/GET/DELETE,再加入 BEGIN/COMMIT/ROLLBACK 事务,包括嵌套事务。
- 写一个迭代器类,惰性地把任意嵌套的 list-of-lists/integers 展平:不能用生成器,要显式维护状态。
- 这是一个小型 LLM 推理引擎里的调度器类。其中 _admit_requests 是个空壳:没有 spec、没有 docstring、没有测试。讲讲你的前三十分钟。
推理服务与 GPU 性能
- 估算在 128k 上下文下服务一个 70B 级模型所需的 KV 缓存显存。装不下时你怎么办?
- 为一个 LLM API 设计限流器,其中成本随 token 而不是随请求数变化。
微调后训练与对齐
- 你在数万张 GPU 上训练,硬件故障是常态。你如何保持高 goodput?
- 一次大规模预训练中途出现 loss 尖峰。讲讲你的调试过程。
- 为 web 规模的预训练语料设计一个去重流水线。它必须能以流式方式运行。
AI 系统设计
- 为一个带实时搜索的消费级聊天机器人设计服务栈,搜索对象是社交媒体的信息流洪流。
行为与文化
- 你有四小时构建并演示一个可用的 AI 产品。你会怎么花这四小时?
Mistral AI
**本板块覆盖的岗位:**研究工程师、机器学习工程师、应用 AI 工程师、解决方案架构师 / 前向外派工程师、推理工程师、平台工程师。
公开报道的面试流程: 招聘官初筛 → 技术筛查(Python + ML 基础)→ 结对编程轮,构建一个小规模的 LLM 支撑服务 → Transformer/服务内部机制深挖 → 应用岗位加一轮客户场景 → 文化/创始人轮。欧洲企业与本地化部署的背景会贯穿始终。
另外还要准备:跨公司通用面试题中标注 Mistral AI 的题目,分布在 LLM 内部机制与架构、推理服务与 GPU 性能、Agent 与工具调用、微调后训练与对齐、编码与数据结构。
编码与数据结构
- 结对编程:构建一个服务,接收用户问题,用第三方 API 的数据做增强,再通过 chat 模型 API 回答。你会怎么组织它?
LLM 内部机制与架构
- Mistral 7B 用了分组查询注意力和滑动窗口注意力。各自买到了什么,各自又付出了什么代价?
- 讲讲 Mixtral 式稀疏混合专家模型是如何工作的。为什么一个约 47B 参数的模型跑起来的成本大致相当于一个约 13B 的模型?
推理服务与 GPU 性能
- 估算服务 Mistral 7B 所需的 KV 缓存显存,并设计滑动窗口注意力所支持的滚动缓冲缓存。
- 你需要为客户的一种硬件做模型量化。你如何选方案,又如何证明质量没有回退?
- 答案:模型量化是如何工作的?
Agent 与工具调用
- 函数调用在 LLM 里到底是怎么工作的?你如何让它可靠到可以用于生产级 agent?
微调后训练与对齐
- 针对客户的某个任务做完微调后,目标准确率上去了,但模型在其他所有事情上都变差了。发生了什么,你怎么办?
- 答案:LLM 中的持续学习
AI 系统设计
- 为一家不能把数据发到任何外部 API 的欧洲银行,设计一个开源权重模型的本地化部署方案。
Cohere
**本板块覆盖的岗位:**Member of Technical Staff、机器学习工程师、应用 AI 工程师、解决方案架构师 / 前向外派工程师、平台与推理工程师。
公开报道的面试流程: 招聘官初筛 → 技术筛查(实操 Python,偏流式/API 形态的问题)→ onsite:编码、检索/RAG 深度、企业部署设计、客户场景轮,以及价值观轮。全程远程优先;自主性与主人翁意识是被明确考察的。
另外还要准备:跨公司通用面试题中标注 Cohere 的题目,分布在 LLM 内部机制与架构、RAG 与检索、微调后训练与对齐、评估与可观测性、编码与数据结构。
编码与数据结构
- 为一个多租户 LLM API 设计基于 token 的限流器。先实现核心,再告诉我改成分布式之后有什么变化。
LLM 内部机制与架构
- 我们的旗舰模型是一个稀疏 MoE,总参数量约为激活参数量的 10 倍。为什么这个架构适合私有化企业部署,它在哪些地方又难受?
RAG 与检索
- 你有一个嵌入模型和一个重排序器。为什么两个都卖?请设计两阶段检索流水线,并告诉我重排序器在什么情况下值它的那份延迟。
- 一家企业要对约 1 亿文档做语义搜索,但对向量索引的成本犹豫不决。讲讲嵌入压缩的几种选择以及背后的数学。
- 答案:向量数据库是如何工作的?
- 当员工用法语和韩语查询、而文档主要是英文时,你会如何评估多语言检索质量?
- 某客户把索引文档量扩了 10 倍,反馈说答案质量“明显变差”。请主导这次排查。
Agent 与工具调用
- 设计一个自动化企业工作流的 agent,比如根据内部文档和 CRM 起草 RFP 应答。“企业级”到底多加了什么?
AI 系统设计
- 一家银行要求把整套栈(模型、RAG、agent)在自有的 GPU 上气隙部署。相比你们的 SaaS,到底有什么变化?
评估与可观测性
- 一家企业客户想部署你们的 RAG 系统,但没有任何标注数据。上线前后你如何评估它?
行为与文化
- 讲一次你在几乎没有指导的情况下,端到端负责一个模糊问题的经历。
DeepSeek
**本板块覆盖的岗位:**研究工程师、基础设施 / 系统工程师、推理工程师、数据工程师、算法工程师。
公开报道的面试流程: 研究与系统的权重很高:论文深挖、用 PyTorch 从零实现的轮次、分布式训练与低精度深度,再加一轮算法编码。会有针对他们已发表架构与训练论文的直接提问。
另外还要准备:跨公司通用面试题中标注 DeepSeek 的题目,分布在 LLM 内部机制与架构、微调后训练与对齐。
LLM 内部机制与架构
- 讲一遍 DeepSeekMoE。它和 Mixtral 那种标准 top-2 MoE 有什么不同?
- DeepSeek-V3 使用了无辅助损失的负载均衡。辅助损失有什么问题,那个 bias 技巧是怎么工作的?
- 什么是多 token 预测(MTP)?为什么要拿它来训练?
- 用 PyTorch 实现带 shared expert 的 top-k MoE 路由,并指出其中的效率与正确性陷阱。
推理服务与 GPU 性能
- 描述一下你会如何在 GPU 显存受限的条件下,低延迟地服务一个 671B 参数的 MoE 模型。
- 答案:LLM 推理优化
微调后训练与对齐
- R1-Zero 基本没做 SFT,直接用 RL 训练。这说明了什么?完整的 R1 为什么又把 SFT 加回来了?
- 答案:大型推理模型(LRMs)
- 在 671B 规模上做 FP8 训练很难。低精度下到底什么会坏,你如何让它稳定?
- 当你的数据大部分是合成数据时,如何构建训练数据集而不触发模型崩塌?
- DualPipe 在训练中把计算与通信重叠起来。为什么在这个规模下“重叠”就是全部?它的代价是什么?
行为与文化
- DeepSeek 宣称以远低于常规的训练成本拿到前沿级结果。如果面试官问“这怎么可能”,你的结构化回答是什么?
Moonshot AI (Kimi)
**本板块覆盖的岗位:**研究工程师、基础设施工程师、推理 / 服务工程师、Agent 工程师。
公开报道的面试流程: 聚焦研究与长上下文系统:架构深挖、分布式服务设计、一轮 PyTorch 实现,以及一场关于 agentic 评估的讨论。
另外还要准备:跨公司通用面试题中标注 Moonshot AI 的题目,分布在 LLM 内部机制与架构、推理服务与 GPU 性能、评估与可观测性、编码与数据结构。
LLM 内部机制与架构
- Kimi 的招牌特性是超长上下文。当你从 8K 推到几十万 token 时,最先崩的是什么,为什么?
- Kimi K2 使用了多头潜在注意力(MLA)。解释它做了什么,以及在降低 KV 缓存方面与 GQA 相比如何。
- Kimi K2 是一个 1T 参数的 MoE,每 token 激活约 32B,拥有数百个专家。讲讲它的路由,以及训练它的系统成本。
- 你如何把一个在 8K–32K 上训练的模型用到 128K 甚至更长?
推理服务与 GPU 性能
- 讲讲为什么你会像 Mooncake 那样把 prefill 和 decode 拆到不同的机器上。这买到了什么,又付出了什么?
- 一个聊天助手每一轮都会把很长的对话历史重新发一遍。你如何避免全部重算,其中有哪些坑?
- 答案:提示缓存是如何工作的?
RAG 与检索
- 对一个长上下文助手来说,什么时候 1M token 的上下文窗口才是正确的工具,什么时候应该用检索?
- 答案:LLM 中的中间遗忘问题
微调后训练与对齐
- 训练万亿参数模型时,注意力 logits 会爆掉并让训练不稳定。发生了什么?像 MuonClip 这样的东西是如何解决的?
- Kimi K1.5 在不使用过程奖励模型和树搜索的情况下扩展了推理用的 RL。为什么刻意把 RL 配方保持得这么简单?
评估与可观测性
- Kimi K2 面向 agentic 与编码任务。除了一个基准分数之外,你会如何评估一个 agentic 模型到底好不好?
- 答案:AI Agent 评估
Zhipu AI (GLM)
**本板块覆盖的岗位:**研究工程师、Agent 工程师、RL 基础设施工程师、应用 AI 工程师。
公开报道的面试流程: 架构与后训练深度、一轮 RL 基础设施设计、一轮 GUI agent 设计,以及一轮 PyTorch 实现。
另外还要准备:跨公司通用面试题中标注 Zhipu AI 的题目,分布在 LLM 内部机制与架构、微调后训练与对齐、评估与可观测性。
LLM 内部机制与架构
- GLM 最初的预训练目标是自回归的空白填充。它与 BERT 和 GPT 有何不同?为什么团队认为它统一了理解与生成?
- GLM-4.5 是一个总参数 355B、激活参数 32B 的 MoE。讲讲这笔账:这样的拆分买到了什么,又付出了什么?
- 用 PyTorch 实现一个 top-k MoE 路由器。然后对比带辅助损失的负载均衡与无损失(loss-free)方案。
- 什么是多 token 预测(MTP)?为什么加一个 MTP 层?它在推理时有什么帮助?
- GLM 从 GLM-130B 起就是中英双语的。当一个模型必须同时服务好两种语言时,分词、数据和评估上分别有什么变化?
Agent 与工具调用
- AutoGLM 与 CogAgent 靠截图在真实 GUI 上操作几十步。请设计这个 agent:感知、动作空间,以及一个 50 步任务的错误恢复。
微调后训练与对齐
- GLM-4.5 是一个同时具备思考模式和直接回答模式的混合推理模型。你如何训练出一个两种模式都行的模型?训练与服务上各有什么影响?
- 为什么长时程的 agentic RL 需要像 slime 框架那样分离、异步的设计,而不是共置同步的?
- GLM-4.5 的后训练先按领域训练专家模型,再用自蒸馏统一。讲讲为什么要先训专家再合并。
AI 系统设计
- 端到端设计 AutoGLM:一个让用户把多步手机任务(“帮我点常喝的那杯咖啡”)委托给自主 agent 的云服务。讲架构与失效模式。
评估与可观测性
- 你会如何在 SWE-bench 和 τ-bench 这类基准上评估一个 agentic 编码模型,而不自欺欺人?
- 答案:AI Agent 评估
Alibaba (Qwen)
**本板块覆盖的岗位:**算法工程师(LLM)、研究工程师、推理工程师、多模态工程师、应用 AI 工程师(阿里云 / 百炼)。
公开报道的面试流程: 典型的阿里结构:两到三轮技术面(算法 + ML 深度)、一轮资深主管的交叉面,以及一轮 HR 面,上面还会叠加 Qwen 专属的架构与多语言问题。
另外还要准备:跨公司通用面试题中标注 Alibaba 的题目,分布在 LLM 内部机制与架构、微调后训练与对齐、评估与可观测性、多模态语音与音频 AI、编码与数据结构。
编码与数据结构
- Qwen2.5-Coder 用仓库级的中间填充(fill-in-the-middle)训练,使用 <|fim_prefix|>、<|fim_suffix|>、<|repo_name|> 这类 token。请写出格式化一个仓库级 FIM 样本的函数,并解释为什么仓库级优于文件级。
LLM 内部机制与架构
- Qwen 使用字节级 BPE,词表约 151K,针对多语言覆盖做了增强,并把数字拆成单个字符。为什么做这些选择,代价是什么?
- 答案:字节对编码
- Qwen3 在一个模型里统一了思考模式与非思考模式,并支持调用方设置思考预算。你会怎么训练它,又怎么服务它?
- 答案:大型推理模型(LRMs)
- Qwen 同时发布稠密和 MoE 模型(30B 激活约 3B;235B 激活约 22B)。什么时候你会选 30B-A3B 这个 MoE,而不是 32B 稠密模型?
- Qwen2.5 用 YaRN 加上 Dual Chunk Attention 把上下文扩展到 128K(Turbo 约 1M),基本不需要训练。解释是怎么做到的,以及为什么事后扩展很有吸引力。
微调后训练与对齐
- Qwen3 使用强到弱蒸馏,从旗舰模型引导出小模型。它是怎么工作的,为什么更便宜?
- 答案:知识蒸馏是如何工作的?
- Qwen 的推理模型在数学和代码上用可验证奖励做 RL。为什么在这些领域上,它优于带学习式奖励模型的 PPO?
评估与可观测性
- Qwen 发布的开源权重在公开榜单上名列前茅。作为发布工程师,你如何确保这些基准数字可信且没有被污染?
- 答案:LLM 评估
多模态语音与音频 AI
- Qwen2.5-VL 使用原生动态分辨率的 ViT,配合窗口注意力与多模态 RoPE。为什么用原生分辨率而不是固定切块?MRoPE 编码了什么?
行为与文化
- 阿里一边以 Apache 2.0 开源 Qwen,一边运营商业云业务。讲讲这个策略,并讲一个你端到端负责过的模糊技术决策。
Sarvam AI
**本板块覆盖的岗位:**研究工程师(LLM / 语音)、机器学习工程师、应用 AI / 前向外派工程师、语音工程师、边缘 / 推理工程师。
公开报道的面试流程: 研究轮与应用轮并行:印度语系 NLP 与分词深度、一轮语音/ASR、一轮实现、一轮在受限硬件上的部署,以及一轮政府/企业部署场景。
另外还要准备:跨公司通用面试题中标注 Sarvam AI 的题目,分布在 LLM 内部机制与架构、微调后训练与对齐、多模态语音与音频 AI。
编码与数据结构
- 写代码衡量一个分词器在不同语言上的 fertility(每个词平均 token 数),并说明你会拿这个结果做什么。
- 答案:字节对编码
LLM 内部机制与架构
- 为什么分词是印度语系 LLM 的第一个瓶颈?一个低 fertility 的分词器如何改变成本结构?
- 答案:字节对编码 及 大语言模型(LLM)中的分词
推理服务与 GPU 性能
- 在没有数据中心 GPU 的情况下,你如何把一个够用的助手部署到成本敏感或端侧硬件上?讲讲这套效率工具箱。
- 答案:模型量化是如何工作的? 及 小语言模型(SLMs)
RAG 与检索
- 设计跨语言 RAG:知识库是英文和印地语,而用户用泰米尔语、泰卢固语或罗马化的 Hinglish 提问。
微调后训练与对齐
- Sarvam-M 提供思考/非思考混合模式,后训练流程是 SFT 之后接 RLVR。你会怎么构建它?为什么用 RLVR 而不是原生 RLHF?
- 某地方政府想要一个低资源语言的助手,但只有几千句干净文本。你如何把模型适配到它?
- 答案:微调是如何工作的? 及 LoRA——LLM 的低秩适配
AI 系统设计
- 为一个市民热线设计一个印地语加三种地方语言的实时语音 agent,在电话线路上做到低于 250 ms 的感知延迟。
评估与可观测性
- 你会如何正确地评估一个印度语 LLM?为什么跑翻译过来的英文基准是不够的?
- 答案:LLM 评估
多模态语音与音频 AI
- 从零构建一个语音活动检测(VAD)。你如何让它对电话质量的印度语音频足够鲁棒?
- Whisper 转写 Hinglish 效果很差,经常强行输出成单一语言或产生幻觉。为什么?你会如何构建一个能处理语码混合语音的 ASR?
- Bulbul 式的 TTS 必须自然地朗读语码混合、混合书写系统的文本。对印度语 TTS 来说,文本归一化和韵律的难点在哪?
应用与前向部署场景
- 某邦政府机构希望把一个靠纸质和呼叫中心运转的福利补贴服务,迁移到一个多语言助手上,并且出于数据 residency 要求必须本地部署。你如何界定范围并交付它?
大型科技公司的 AI 组织
Microsoft
**本板块覆盖的岗位:**AI 工程师、应用科学家、机器学习工程师、软件工程师(AI Platform / Copilot)、Azure AI 解决方案架构师、首席应用 AI 工程师。
公开报道的面试流程: 招聘官初筛 → 技术电话面(编码 + 一点 ML)→ 4–5 轮的 onsite:两轮编码、一轮 ML/AI 深度、一轮 AI 系统设计或底层设计,以及一轮与资深 leader 的 as-appropriate-hire 轮。Azure AI 与 Copilot 岗位还会加一轮客户架构轮。
另外还要准备:跨公司通用面试题中标注 Microsoft 的题目,分布在 推理服务与 GPU 性能、RAG 与检索、Agent 与工具调用、微调后训练与对齐、安全安保与负责任 AI、AI 系统设计。
编码与数据结构
- 在一个大型查询日志上实现“top-k 最高频搜索词”,然后告诉我当日志变成跨多台机器的无界流时,什么会崩。
- 底层设计:勾勒一个 agent host 的工具调用层的类与接口,其中工具可能来自原生代码、OpenAPI spec 或 MCP server。
推理服务与 GPU 性能
- 一个 Copilot 聊天功能的 p95 预算是 3 秒产出首个有用内容。时间花在哪里,你怎么砍?
- 估算为 1 亿周活用户新增一个 LLM 摘要功能的年度服务成本,以及你如何把它降 10 倍。
AI 系统设计
- 设计一个 Copilot 功能,回答关于用户的工作邮件、文档与会议的问题,同时绝不泄露用户无权访问的内容。
- 设计一个能在电子表格里执行动作的 agent(“插入一张 Q3 各地区销售额的数据透视表”):编排、工具与失败处理。
评估与可观测性
- 在把会议摘要功能推给一亿用户之前,你会如何评估它?
- 答案:LLM 评估
安全安保与负责任 AI
- 你的 Copilot 会摘要收到的邮件。攻击者给目标用户发了一封邮件,其中包含针对模型的隐藏指令。讲讲这次攻击与你的防御。
- 答案:LLM 中的提示注入
- 一个已上线的 Copilot 功能会为招聘官摘要求职者信息,被指控在某些群体上表现更差。你如何查清是否属实,又会怎么做?
行为与文化
- 讲一次你主导的技术决策最终被证明是错的经历。发生了什么,之后你改了什么?
Amazon (AWS)
**本板块覆盖的岗位:**应用科学家(I/II/III)、机器学习工程师、数据科学家、软件开发工程师(AI/ML)、GenAI 专家解决方案架构师、应用 AI 工程师(Bedrock、Q、SageMaker)。
公开报道的面试流程: 在线测评或电话面 → 4–6 轮的 onsite “loop”,每一轮都锚定领导力准则:两轮编码、一轮 ML 广度、一轮 ML 深度 / 研究深挖或 ML 系统设计、一轮 bar-raiser。应用科学家流程还会加一场研究报告。
另外还要准备:跨公司通用面试题中标注 Amazon 的题目,分布在 LLM 内部机制与架构、推理服务与 GPU 性能、AI 系统设计、编码与数据结构。
编码与数据结构
- 在内存有界的前提下,找出一个高吞吐事件流中出现频率最高的 top-K 元素。
- 不用乘法、除法和取模实现两个整数相除。求图中连通分量的数量。检查括号是否匹配。
机器学习与深度学习基础
- 线性回归的闭式解是什么?什么时候你改用梯度下降?
- 答案:梯度下降背后的数学
- 逻辑回归中 L1 与 L2 正则化有什么区别?
- 写出逻辑回归的损失函数,并证明它有全局最小值。
- 答案:交叉熵损失背后的数学 及 线性回归 vs 逻辑回归
- KL 散度损失与交叉熵损失有何不同?与对比损失呢?
- 答案:交叉熵损失背后的数学 及 什么是对比学习?
- bagging 和 boosting 有何不同?XGBoost 与随机森林在计算上的差异是什么?
- 解释偏差-方差权衡、交叉验证和维度灾难。
- GRU 单元是如何工作的?它们如何应对梯度消失?BiLSTM 是如何工作的?
- 答案:循环神经网络(RNN)
- 机器学习模型中的注意力是什么?如果把神经网络里所有隐藏层都去掉会发生什么?
- 讨论精确率、召回率与 F1:什么时候你会优先其中一个?
- 答案:精确率 vs 召回率
- 你如何处理数据不均衡、共线性、特征选择与正则化?
- 解释你会如何设计并评估一次 A/B 测试。什么是 p 值,在这里你如何解读它?
- 什么是极大似然估计?它与贝叶斯推断有何不同?
LLM 内部机制与架构
- 为什么 Transformer 在语言建模上取代了 RNN?KV 缓存在推理时到底买到了什么?
推理服务与 GPU 性能
Agent 与工具调用
- 设计一个操作网页浏览器完成多步任务的 agent。你如何让它可靠到可以上线?
AI 系统设计
- 设计一个多租户推理平台,为数千客户 serving 多种基础模型(Bedrock 那样的形态)。
- 你会如何设计一个给用户推荐书的推荐系统?你会如何建模一个仓库库存问题?
评估与可观测性
- 你会如何判断一个 LLM 驱动的助手已经可以发布给数百万客户?
行为与文化
- 讲一次你不认同团队技术方向的经历。你做了什么?(Have Backbone;Disagree and Commit)
- 讲讲你最重大的一次失败。发生了什么,之后你改了什么?
- 讲一次你看到机会、做了超出初始范围的事情的经历。(Think Big)
Apple
**本板块覆盖的岗位:**机器学习工程师、AI/ML 研究工程师、端侧 ML 工程师、软件工程师(Apple Intelligence / Siri)、应用科学家。
公开报道的面试流程: 招聘官初筛 → hiring manager 技术电话 → 与具体团队的 4–6 轮 onsite:编码、ML 深度、端侧/效率深度、系统设计,以及行为面。因为保密,你可能会为了一项无法被告知的工作而被面试。
另外还要准备:跨公司通用面试题中标注 Apple 的题目,分布在 LLM 内部机制与架构、推理服务与 GPU 性能、Agent 与工具调用、微调后训练与对齐、编码与数据结构。
推理服务与 GPU 性能
- 你需要在一部内存与功耗预算都很紧的手机上运行一个约 3B 参数的语言模型。相比在数据中心服务同一个模型,有什么变化?
- 答案:云端 vs 端侧模型部署 及 模型量化是如何工作的?
- 解释训练后量化与量化感知训练的区别。把权重压到 2–4 bit 时什么会坏,你如何把质量找回来?
- 答案:模型量化是如何工作的?
- 估算一个 3B 端侧模型在 4k 上下文下的 KV 缓存显存,并说出能把它压小的手段。
- 你的端侧功能首 token 时间是 1.8 秒。讲讲你的排查与修复过程。
- 答案:见视频 LLM 中的首 token 延迟问题
Agent 与工具调用
- 你的端侧模型必须输出合法、符合 schema 的工具调用。你如何保证其合法性,而不是寄希望于它?
微调后训练与对齐
- 你只有一个端侧基座模型,却有十几个功能:摘要、改写、回复建议、语气调整。你如何在不发十几个模型的前提下做专业化?
- 你会如何在不收集用户内容的前提下,利用来自用户设备的信号改进端侧模型?
AI 系统设计
- 设计一个路由层,决定一个用户请求是由端侧处理、由第一方服务器模型处理,还是由第三方模型处理。
- 答案:LLM 路由 及 云端 vs 端侧模型部署
- 用户说“把周六徒步的照片发给 Maya”。请设计从这句话到参数已解析的结构化 App 动作的端侧路径。
评估与可观测性
- 你要把通知摘要功能推给数亿用户、覆盖 30 多种语言区域,并且你不能记录用户内容。请设计评估与回归发现方案。
行为与文化
- 讲一次你在信息不完整的情况下推进工作的经历:你无法被告知你正在做的东西的完整背景。
NVIDIA
**本板块覆盖的岗位:**深度学习软件工程师(推理 / LLM 性能)、CUDA 算子工程师、机器学习工程师、解决方案架构师、应用科学家、TensorRT-LLM / Dynamo 工程师。
公开报道的面试流程: 招聘官初筛 → hiring manager 技术电话 → 4–6 轮 onsite:CUDA/C++ 或 Python 编码、GPU 性能与 roofline 推理、LLM 推理深度、ML 基础,以及系统/方案设计。解决方案架构师流程会用客户场景轮替代算子深度轮。
另外还要准备:跨公司通用面试题中标注 NVIDIA 的题目,分布在 LLM 内部机制与架构、推理服务与 GPU 性能。
编码与数据结构
- 这里有个 CUDA kernel 比预期慢 10 倍。在不运行它的前提下,常见的嫌疑点有哪些,你如何逐个确认?
- 实现一个分页 KV 缓存的 block manager:分配、追加、释放,以及前缀共享的写时复制。
- 一个模型在 FP32 下跑得好好的,转成 FP16 之后输出就成了垃圾。请调试。
机器学习与深度学习基础
- 讲讲在树模型分类中对抗过拟合的策略。
- 总结 Adam 优化器相比其他方法在神经网络图像分类上的差异与收益。
- 一个网络会把巴哥犬和比特犬搞混,而且部分训练标签是错的。你会如何改模型、改数据?
- 在没有预标注分组的情况下,你如何评估一个聚类模型的效果?
推理服务与 GPU 性能
- 你想在一张 80 GB 的 GPU 上服务一个 70B 参数模型。讲讲它是否装得下,以及单流每秒大概能出多少 token。
- TensorRT / TensorRT-LLM 到底对模型做了什么才让它变快?什么时候它不会有帮助?
- 为服务一个 405B 参数的稠密模型设计并行策略。TP、PP、EP:各自放在哪里,为什么?
AI 系统设计
- 设计一个带转写索引的播客搜索引擎。/ 为输入即搜(type-ahead)设计一个推荐算法。
应用与前向部署场景
行为与文化
- 讲一次你处理冲突优先级或相关方反馈的经历。你现在的经理会怎么评价你?
Tesla
**本板块覆盖的岗位:**AI / ML 工程师(Autopilot、Optimus)、深度学习工程师、计算机视觉工程师、数据工程师(Autopilot)、推理 / 芯片软件工程师。
公开报道的面试流程: 招聘官初筛 → hiring manager 技术电话 → onsite:编码(通常是 C++/Python)、聚焦视觉与训练管线的深度学习深度、一轮数据/基础设施,以及一轮动手调试。流程很快,而且以实际工程为主。
编码与数据结构
- 实现非极大值抑制(NMS)。然后把它向量化。
- 为一个固定内存预算的高频传感器数据写一个高效的环形缓冲区。
机器学习与深度学习基础
- 在没有激光雷达的前提下,你会如何设计多摄像头 3D 目标检测的神经网络架构?
- 在稀有事件检测(比如一个小孩跑到马路上)中,你如何处理极端的类别不均衡?
- 讲讲你会如何为一个车队数据集做自动标注,以及你会加什么质量控制?
- 你会如何检测并处理车队数据与训练集之间的分布漂移?
推理服务与 GPU 性能
- 车载算力预算是固定的。讲讲你如何在不损失小目标召回的前提下,对一个视觉模型做量化和剪枝。
- 答案:模型量化是如何工作的?
AI 系统设计
- 设计这个数据引擎:车队触发 → 上传 → 标注 → 重训 → 影子模式验证 → 发布。
评估与可观测性
- 接管率(disengagement rate)是个很弱的代理指标。你到底会如何衡量一次自动驾驶发布是否比上次更安全?
多模态语音与音频 AI
- 你会如何把摄像头、雷达与 IMU 的输入融合成一个感知栈?你会把它们融合在哪一层?
行为与文化
- 讲讲你交付过的技术上最具挑战性的东西,以及你现在会怎么做不一样。
消费者级 ML 公司 (Uber, Netflix, LinkedIn, Airbnb, Pinterest, Spotify)
**本板块覆盖的岗位:**机器学习工程师、资深/Staff MLE、应用科学家、ML 平台工程师、GenAI 工程师。
公开报道的面试流程: 这几家的形状高度一致:编码筛查 → onsite 含两轮编码、一轮 ML 系统设计(这是区分度所在)、一轮 ML 广度/深度,以及行为面。2024 年以来,这些流程大多都新增了 GenAI 轮。
编码与数据结构
- 用有界内存的 sketch 实现一个流式 top-k;实现一个滑动窗口速率计数器。
机器学习与深度学习基础
- 你的离线指标提升了,但线上 A/B 没有。请列举会发生这种情况的原因,以及你如何把它们区分开。
- 解释排序数据中的位置偏置,以及你会如何在训练中去偏。
- 你会如何设计一个特征平台?什么会导致训练/服务不一致(training/serving skew)?
AI 系统设计
- 为一个网约车双边市场设计 ETA 预测系统。用什么特征、什么模型,如何在 100 ms 内完成服务?
- 设计一个带两阶段候选生成与排序架构的个性化信息流排序系统。
- 为一个流媒体内容库设计内容推荐系统,包括新内容与新用户的冷启动。
- 在一个职业社交网络的规模上设计“你可能认识的人”/ 职位推荐排序。
- 为一个双边市场设计动态定价 / 高峰溢价,并描述其中可能出错的反馈回路。
- 设计一个视觉搜索系统:用户上传一张图片,你返回目录中视觉相似的商品。
- 答案:图像嵌入是如何工作的?
- 设计一个类别极度不均衡、且存在对抗性对手的欺诈检测系统。
- 在已有帮助中心之上,设计一个由 LLM 驱动的客服助手,并能升级转人工。
评估与可观测性
- 你如何监控一个已部署排序模型的漂移,什么会触发重训?
行为与文化
- 讲讲你交付的一个带来了可衡量业务差异的模型,以及一个没有带来差异的模型。
中国互联网公司
以下公司按集团整理,但同一集团内不同 BG、业务线的考察差异很大,面试前先确认具体团队。
通义千问(Qwen)模型团队见前沿 AI 实验室下的 Alibaba (Qwen)。
字节跳动
**本板块覆盖的岗位:**大模型算法工程师(Seed / 豆包)、AI Agent 应用研发、推理优化与 Infra、搜索推荐大模型、国际化 TikTok AI 工程师、AI Coding(Trae)相关工程。
公开报道的面试流程: 通常 2–3 轮技术面 + HR(实习 / 校招),社招常见 4 轮左右,端到端约 3–5 周。一面偏工程与推理优化,二面偏训练与对齐(要求讲清甚至推导 GRPO / DPO),三面偏项目复盘与开放问题。几乎每轮都有手撕,手撕 MHA 与手撕 MoE 是本岗位特色。面试中会直接把你的项目和 Claude Code、Codex、Hermes 对比着问。
另外还要准备:跨公司通用面试题中标注字节跳动的题目,分布在 LLM 内部机制与架构、推理服务与 GPU 性能、RAG 与检索、Agent 与工具调用、微调后训练与对齐、评估与可观测性、AI 系统设计、编码与数据结构。
LLM 内部机制与架构
- 讲一遍 Self-Attention 的完整计算,并说明点积之后为什么要除以 √d_k。
- Attention 从 MHA 到 MQA、GQA、MLA 的演进脉络是什么?每一步分别在省什么?
- Qwen3 的推理模式开关是怎么生效的?一个模型里怎么同时支持思考与非思考两种模式?
- 答案:大型推理模型(LRMs)
- Decoder-only 模型在分类任务上,有没有可能比 Encoder-only 做得更好?
- FFN 为什么先升维再降维?SwiGLU 相比 ReLU / GELU 好在哪里?
- 答案:LLM 中的前馈网络
推理服务与 GPU 性能
- 以 8×7B 为例,KV Cache 与模型权重的显存占比大概是多少?除权重外还有哪些显存占用?
- Prefix cache 命中、但 KV 已下沉到 SSD,取回链路是怎样的?同步到 GPU 要不要经过主存?
- 答案:提示缓存是如何工作的?
- vLLM 的 PagedAttention 与动态批处理各自解决了什么问题?
- 答案:vLLM 是如何工作的? 及 LLM 中的连续批处理
- 投机解码的原理是什么?它不适用于哪些模型?
- 答案:投机解码
- Prefill / Decode 分离为什么能提升整体吞吐?你的场景值不值得上?
微调后训练与对齐
- 讲一下 GRPO;GRPO 里的 KL 与 PPO 里的 KL 是一回事吗?KL 放在 loss 里和放在 reward 里有什么区别?
- 答案:组相对策略优化(GRPO) 及 近端策略优化(PPO)
- DeepSeek-R1 两个阶段分别怎么开展?奖励函数和奖励模型是怎么设计的?
- 答案:大型推理模型(LRMs)
- PPO / GRPO 是 on-policy 还是 off-policy?PPO 的 critic 是怎么训练的?
- Reward hacking 的成因是什么、怎么发现和解决?RL 训练你会看哪些指标,loss 异常升降怎么分析?
- RLVR 能不能被看成一种 SFT?为什么?
- Agentic RL:什么阶段可以从 SFT 切到 RL?长对话、多轮的 reward 什么时候用模型、什么时候用规则?
RAG 与检索
- 为什么要做多路召回(向量 + 关键词 + 层级)?每一路的 bad case 分别是什么?
- 召回了 30 条但上下文只放得下 6 条,你怎么取舍?
- 带权限的知识库:是 ACL 先过滤再召回,还是先召回再过滤?越权召回怎么监控、怎么验证数据没被越权访问?
- 什么时候触发联网检索、什么时候直接回答?怎么判断模型是“不知道需要检索”才幻觉,还是“知道要检索但没执行”?
- 长文档跨章节、召回片段指向其他文档时,怎么切分与召回?
- 答案:RAG 的分块策略
Agent 与工具调用
- Agent、Workflow、Orchestrator、Harness 的边界分别在哪?
- 答案:AI 编排 及 AI 中的 Harness 工程
- Function Calling、Tool、MCP、Skill 的边界是什么?Skill 为什么能省 token,又有什么安全风险?
- 上下文快到窗口上限时怎么压缩?哪些信息绝不能交给摘要模型决定去留?
- 答案:上下文压缩是如何工作的? 及 上下文工程
- 线上 Agent 一直调工具但不返回结果,你怎么 Debug?思考链错误传播、工具幻觉、JSON 崩坏、无限循环这四类故障分别怎么防?
- 多 Agent 之间怎么通信?怎么避免两个 Agent 同时改同一个文件?
- 答案:多 Agent 系统 及 AI 子 Agent
- 幻觉率怎么定义和计算?降幻觉的那个数字是怎么量化出来的?怎么区分“内容过时”和“模型幻觉”?
AI 系统设计
- 设计一个 AI 代码 Review Agent:输入一个 PR,只提意见、不直接改代码。最重要的三个点是什么?
- 设计企业知识库 / 本地化 Wiki Agent:文档导入、权限隔离、效果评测怎么串起来?
- 设计一个运维 / 故障排查 Agent:支付接口超时时它怎么跑完整套排查流程?高危操作怎么管控?
- 设计一个内容标注 Agent(视频 / 图文):流程怎么划分,要用到素材里的哪些信息?
编码与数据结构
- 用 PyTorch 手撕多头注意力(MHA),并把它扩展成 cross-attention。
- 手写一个最小 ReAct Agent:工具注册、循环控制、终止条件、异常处理分别怎么实现?
- 答案:ReAct Agent 及 AI Agent 循环
- 手写一个上下文压缩 / 滑动窗口摘要逻辑:给定消息列表和 token 上限,决定保留、摘要还是卸载。
- 答案:上下文压缩是如何工作的?
- 通用手撕常考:合并区间、Top-K、最长无重复子串。
行为与文化
- 最近读了什么论文?核心亮点是什么?你平时怎么跟进最新的大模型技术?
- 你怎么看 LLM Agent 的“对齐税”?你觉得当前的 agent 达到预期了吗?
- 讲一个你端到端负责、并能说清指标口径的项目:提升的百分比是用哪个测试集、什么口径算出来的?
腾讯
**本板块覆盖的岗位:**混元大模型算法工程师、AI Agent 应用开发(腾讯云 / 广告 / 会议)、多模态算法工程师、LLM Infra 与推理工程、AIGC 应用工程。
公开报道的面试流程: 校招常见两轮技术面 + HR(技术占比很高),社招 3–4 轮。一面以项目拷打为主、追问很细(为什么这么做、为什么不用端到端方案、用了多少卡与什么并行策略、调参怎么调的),二面偏系统设计或场景题。混元偏模型与训练,应用岗偏 RAG / Agent,而且 MySQL、Redis、Kafka 这类后端基本功常与 AI 题在同一轮出现。注意同一个岗位可能因为团队调整,实际考察内容完全不同。
另外还要准备:跨公司通用面试题中标注腾讯的题目,分布在 LLM 内部机制与架构、推理服务与 GPU 性能、RAG 与检索、Agent 与工具调用、微调后训练与对齐、多模态语音与音频 AI、AI 系统设计、编码与数据结构。
LLM 内部机制与架构
- 为什么生成式大模型普遍用 Decoder-only 而不是 Encoder-Decoder?
- Pre-Norm 和 Post-Norm 的设计差异是什么?对训练稳定性有什么影响?
- RoPE 是怎么用绝对位置编码实现相对位置感知的?
- 为什么业界普遍探索 MoE?相比 Dense 架构的核心优势是什么?
- 以 Qwen 和 DeepSeek 为例讲一下你熟悉的大模型,并比较两者的技术差异。
推理服务与 GPU 性能
- vLLM 的核心原理是什么?PagedAttention 与动态批处理各自解决什么问题?
- FlashAttention v1 与 v2 的主要改进点分别是什么?
- 模型训练数据上线前如何做质量检验?
- 大模型为什么是逐 token 流式输出的?底层用的是什么协议?
- API 服务的响应延迟你会从哪些方向优化?
微调后训练与对齐
- 对比 RLHF、PPO、DPO 的技术差异、优缺点与适用场景。
- 全参数微调、LoRA、QLoRA、P-Tuning 怎么选?推荐场景里 LoRA 与全量微调分别适合什么?
- 奖励模型的训练数据怎么构建?GRPO 的 reward 和 advantage 你会怎么设计?
- 如何增强模型的多轮对话能力?可以从模型、数据、记忆和推理策略哪些方面入手?
RAG 与检索
- RAG 为什么要同时用稀疏检索和稠密检索?生产环境怎么调两路的权重?
- 用 BGE 做 Embedding 的考量是什么?FAISS 这类向量索引是怎么构建和优化的?
- 文档 chunk 怎么切?块大小与信息完整性怎么平衡?
- 答案:RAG 的分块策略
- 如果一次生成需要融合多个文档(doc A 和 doc B)做逻辑推理,你会怎么设计?
- 长对话除了截断,还有哪些更高效的上下文压缩方法?
- 答案:上下文压缩是如何工作的?
Agent 与工具调用
- 已经有 Claude Code 了,为什么还要自研 Coding Agent?产品差异在哪,分层 Context 怎么设计?
- Agent 的组装链 / 执行链怎么设计?执行时怎么降级?
- 答案:AI 编排
- 子 Agent 执行中发现需要额外的新任务,任务该怎么流转和审批?
- Agent 怎么做权限控制,避免越权或不合理操作?涉及真实资金操作时怎么限制?
- ReAct 的工作流程与优缺点?循环如何防止无限调用或提前退出?
- 答案:ReAct Agent 及 AI Agent 循环
- Token 成本治理怎么做:监控、归因、配额还是缓存?
- 答案:语义缓存是如何工作的?
多模态语音与音频 AI
- 多模态模型怎么做图文对齐?“小狗在草地上玩耍”这句话和对应图片是怎么匹配上的?
- 图像 token 冗余过多怎么解决?模型应该怎么表示音频、视频这类模态?
- CLIP 的 zero-shot 能力是怎么实现的?Embedding 模型与 Reranker 的训练 loss 有什么区别?
- 答案:图像嵌入是如何工作的?
AI 系统设计
- 设计一个覆盖训练、微调、评测、部署、服务的一体化 AI 开发平台,你会怎么分层?
- 设计一个按任务动态选模型的路由机制:复杂任务和简单任务该不该用不同档位的模型?
- 答案:LLM 路由
- 设计一个电商客服 / 股票分析 Agent 的全链路。
- 把大模型能力接入不同产品时,大模型中台与业务团队怎么划分职责?
编码与数据结构
- 实现“括号生成”:生成 n 对有效括号的所有组合。
- 给一个正整数数组,找出其中能被 3 整除的元素和的最大值(讲思路即可)。
- 现场手写 Self-Attention 的完整公式,并说明各矩阵形状。
行为与文化
- To C 和 To B 的 AI Agent 哪个会先爆发?未来 AI Agent 会是什么形态?
- 你怎么看 AI 对软件工程的影响?平时用哪些 AI 编程工具、怎么用的?
阿里巴巴(淘天、阿里云)
**本板块覆盖的岗位:**淘天 / 淘宝闪购 Agent 算法、阿里云 AI 平台与瓴羊 Runtime 工程、夸克与千问的应用开发、阿里国际(Accio)搜索与云沙箱、钉钉 AI 工程。
公开报道的面试流程: 两到三轮技术面 + 资深主管交叉面 + HR。阿里云偏 Runtime、权限与可观测,淘天偏业务链路、AI Coding、并发与线上指标,夸克 / 千问是模型与应用双栈,阿里国际更强调搜索、云沙箱、长任务与成本。现场用 AI Coding 完成功能后人工 Review 已经出现在阿里云的样本里。
另外还要准备:跨公司通用面试题中标注阿里巴巴的题目,分布在 LLM 内部机制与架构、推理服务与 GPU 性能、RAG 与检索、Agent 与工具调用、微调后训练与对齐、评估与可观测性、AI 系统设计、编码与数据结构。
LLM 内部机制与架构
- MoE 的原理是什么?负载均衡怎么做?MoE 是 batch 维度、token 维度还是别的维度的激活?用 Python 手撕一个 MoE。
- 千卡训练里常见的 NCCL timeout 一般怎么定位和解决?
- 算子融合(fusion)怎么做?为什么做了 fusion 反而性能下降?Hopper 架构的 warp specialization 是什么?
- KV Cache 在 prefill 与 decode 阶段的读写差异是什么?
微调后训练与对齐
- SFT 之后还有哪些 post-training,各自目的是什么?
- 答案:微调是如何工作的?
- GRPO 的 loss 怎么讲?为什么选 GRPO 而不是继续用 SFT?
- Advantage 是怎么算的?为什么不能直接用 reward?重要性采样为什么需要?
- 信用分配:GRPO 里序列级奖励怎么分配到每个 token?
- DPO 相对 PPO 的核心改进与优势?训练时有哪些注意事项?
- 答案:直接偏好优化(DPO)
- 什么时候该调 Prompt、什么时候该直接微调?面对客户需求怎么判断用 RAG 还是微调?
RAG 与检索
- 文档切块、BM25 + 向量混合检索、多跳检索、Query Rewrite 怎么串成一条链路?
- 带 ACL 和 PII 的企业知识库怎么设计?权限过滤放在哪一层?
- 长对话摘要与 Harness 的数据流怎么配合?
- 答案:上下文压缩是如何工作的?
Agent 与工具调用
- Agent Loop 与 Harness 的边界在哪?长任务怎么做 Early Stop?
- MCP 与 A2A 是什么关系?多 Agent 之间的通信协议应该怎么设计?
- 模型返回的 Function Call 参数格式不对怎么办?
- 多 Agent 协作相比单 Agent 的优势是什么?主 Agent 怎么动态识别并选择子 Agent?
- 答案:多 Agent 系统
- Agent 评估体系包括哪些维度?planning 能力与 hallucination rate 分别怎么衡量?
- 答案:AI Agent 评估
AI 系统设计
- 设计一个代码评审 Agent:怎么保证它只提意见、不直接改代码?
- 设计一个带 HITL、风险分级、熔断、沙箱与审计的电商 Agent 系统(淘宝闪购这类场景)。
- 设计一个电商客服 Agent:怎么理解表达能力参差的用户的模糊需求?商品召不回时怎么回复?核心成功指标怎么定?
- 设计一条从文档上传到可被检索的完整流水线,并说明增量更新的耗时花在哪些环节。
编码与数据结构
- 现场用 AI Coding 完成一个功能,然后人工 Review:你怎么保证它改得对、没有破坏历史功能?
- Python 里 list 和 dict 常见操作的时间复杂度?为什么头部 insert 是 O(n)?
- MySQL 的联合索引为什么会失效?什么是最左前缀匹配?explain 关注哪些指标?
行为与文化
- 阿里一边开源 Qwen、一边做商业云业务,你怎么看这个策略?
- 讲一个你从模糊需求一路做到交付的项目,中间的判断依据是什么?
滴滴
**本板块覆盖的岗位:**网约车平台 AI 工程师、智能客服与司机服务大模型算法、大模型应用工程、数据与平台工程。
公开报道的面试流程: 两到三轮技术面 + HR,一面常在 40 分钟左右,项目拷打占大头,再配一道业务场景设计题。后端基本功(MySQL 索引与慢查询、ES、Redis)与 AI 题经常混在同一轮里考,智能客服 / 司机助手是最常见的场景题载体。
另外还要准备:跨公司通用面试题中标注滴滴的题目,分布在 LLM 内部机制与架构、RAG 与检索、Agent 与工具调用、AI 系统设计、编码与数据结构。
LLM 内部机制与架构
- Transformer 的 FFN 层是干嘛的?为什么先升维再降维?
- 答案:LLM 中的前馈网络
- MHA、MQA、GQA、MLA 各自的优缺点是什么?
- PPO、DPO、GRPO 各自的优缺点?SFT 的损失和公式是什么?
- 多轮 message 训练时,loss mask 应该怎么做?
RAG 与检索
- 为什么要引入 RAG?RAG 主要解决了大模型的哪些问题?
- 你的数据是怎么来的、怎么构造的?分块过程、检索方式和评测分别怎么做?
- 答案:RAG 的分块策略
- 司机的历史数据与偏好数据,你会做成知识库(RAG)还是微调?为什么?
- ES 里怎么平衡索引力度与查询效率?要不要做冷热分离?
- 用 ES 做向量库时,怎么做向量 + 关键词的混合检索?
Agent 与工具调用
- 设计一个司机智能接单助手:输入订单信息,输出建议接 / 不接及原因。整体架构怎么设计?影响接单决策的因素有哪些?
- 从堆栈分析到代码定位的链路里,与大模型是单轮还是多轮交互?为什么这么选?
- Agent 产生幻觉(定位到错误代码)怎么办?文件超过上下文窗口限制时怎么解决?
- 答案:上下文压缩是如何工作的?
- 诊断 Agent 的准确率怎么评估?这个验证流程能不能自动化?
- 答案:AI Agent 评估
AI 系统设计
- 设计一个客服 Agent:能查订单、发券、处理投诉。规划、工具调用、记忆、执行验证四个模块分别怎么落地?
- 怎么检测大模型回答的质量与准确率?如果检测用的 Agent 自己也会幻觉,怎么保证它可靠?
- 大模型服务里怎么降幻觉、控成本、保 P95?你会先动哪一环?
编码与数据结构
- 手撕多头自注意力机制。
- MySQL 慢查询怎么排查?explain 关注哪些指标?联合索引在什么场景下会失效?
- SSE 是怎么工作的?用它做流式返回要注意什么?
行为与文化
- 你平时通过哪些渠道了解 AI 方向的新技术、新产品和新动态?
- 讲一次你把某个 AI 功能从 0 做到上线的经历,中间踩过什么坑?
京东
**本板块覆盖的岗位:**大模型算法工程师(零售 / 物流 / 科技)、AI Agent 应用开发、Agent Runtime 与平台工程、商品理解与多模态。
公开报道的面试流程: 两到三轮技术面 + HR。平台类岗位的 JD 已经把 Agent Runtime、上下文状态、工具 / 插件注册、Streaming、语义缓存、熔断、Eval / 回放与全链路 Trace 直接写进职责。技术面常把 Java / Go、Redis + Lua、MQ、并发这些后端能力与 Agent 题混在一起考,并且很看重“技术商业化”的落地思路。
另外还要准备:跨公司通用面试题中标注京东的题目,分布在 LLM 内部机制与架构、推理服务与 GPU 性能、RAG 与检索、Agent 与工具调用、微调后训练与对齐、AI 系统设计、编码与数据结构。
微调后训练与对齐
- 对比 RLHF、RLAIF、DPO、IPO、KTO 的原理、流程与优缺点,电商场景下怎么选型?
- 大模型强化学习里奖励函数怎么设计?针对商品对话 / 推荐场景,你怎么构建高质量的奖励信号?
- 强化学习训练大模型时常见的不稳定问题怎么排查?
- 对比全参数微调、LoRA、QLoRA,结合项目说选型依据和落地效果。
- 答案:LoRA——LLM 的低秩适配 及 微调是如何工作的?
- 上下文窗口长度对模型性能有什么影响?有哪些方法可以突破窗口限制?
推理服务与 GPU 性能
- 用过哪些推理优化工具(TensorRT、vLLM)?讲讲它们的核心原理和使用体验。
- 亿级数据怎么处理:清洗、预处理、高效加载,踩过哪些坑?
- 业务场景中大模型性能下降(生成质量变差或延迟升高),你的完整排查思路是什么?
RAG 与检索
- 为什么需要 Rerank?什么情况下可以不接?
- 混合检索的召回率 / 精确率怎么评估?RRF 的 K 值调大还是调小?
- 用 ES 做向量库时怎么做向量 + 关键词混合检索?RAG 分片怎么设计?
- RAG 服务降级策略怎么设计?哪些场景会触发降级?
- Agent 的记忆模块选什么数据库?选型依据是什么?
- 答案:AI Agent 记忆
Agent 与工具调用
- Function Calling 的原理与执行流程?模型是怎么知道该调哪个工具的?
- MCP 和 Skills 有什么区别?Prompt、MCP、Skills、Subagent 分别怎么理解?
- Agent 怎么做权限控制,避免越权或不合理操作?金融场景怎么限制 Agent 直接动资金?
- 多个 Agent 的结论或角色不一致时怎么处理?
- 为什么选 Spring AI 而不是 LangChain4j?Java 端怎么适配 Agent 框架?
AI 系统设计
- 为什么不直接调大模型 API,而要设计统一的大模型服务架构?
- 答案:LLM 路由
- 设计一个告警 Agent:输入输出是什么?节假日 / 发布期怎么保证准确性?非 AI 的 fallback 怎么设计?
- 4000 页、GB 级的多模态文档做 RAG,增量更新怎么设计?
- 设计一个覆盖训练、评测、部署、服务的 AI 开发平台,怎么分层?
编码与数据结构
- 二叉树的层序遍历。
- 实现一个 LRU 缓存。
- 大模型部署的高并发处理方案怎么写?用过哪些工具?
行为与文化
- 怎么把大模型和你负责的业务场景(推荐、检索、语义理解)结合起来?你的创新点是什么?
- 讲一次线上效果不达预期的完整复盘:你怎么定位问题来源?
美团
**本板块覆盖的岗位:**大模型算法(北斗 / 到店 / 到家)、Agent 应用开发、多模态与文档大模型、搜索推荐大模型。
公开报道的面试流程: 校招常见两轮技术面 + HR,社招轮次更多。追问方式非常稳定:为什么这么选、替代方案是什么、怎么验证、剩下 1%–2% 的坏例怎么发现。校招企业页有多名候选人独立反馈“大模型选择题 + 算法 + AI Coding”的组合,官方 Agent 平台强调长任务、Skill / Subagent、跨会话记忆、凭证隔离、沙箱与全链路可观测。
另外还要准备:跨公司通用面试题中标注美团的题目,分布在 LLM 内部机制与架构、推理服务与 GPU 性能、RAG 与检索、Agent 与工具调用、微调后训练与对齐、评估与可观测性、AI 系统设计、编码与数据结构。
LLM 内部机制与架构
- 讲一遍 Transformer 结构;Encoder 里为什么需要 FFN?
- 你知道哪些注意力机制?现场手写自注意力公式。
- MLA 是怎么优化 KV Cache 的?
- 答案:KV Cache 压缩
- Qwen 的长度外推是怎么做的(NTK-aware 缩放、YaRN)?
- MoE 的原理是什么?负载均衡怎么做?MoE 是 batch 维度还是 token 维度的激活?用 Python 实现一个 MoE。
推理服务与 GPU 性能
- bf16 和 fp16 有什么区别?各占多少位?训练中精度怎么选?
- 答案:模型量化是如何工作的?
- Attention 计算中有哪些显存优化策略?
- 分布式训练里 ZeRO-2 和 ZeRO-3 的核心区别是什么?
- 大模型为什么逐 token 流式输出?底层用什么协议?
微调后训练与对齐
- LoRA 微调的原理?训练时调过哪些超参,有什么经验?
- SFT 的 loss 怎么只计算回答部分(padding 怎么 ignore)?
- 为什么项目里选 GRPO 而不是 PPO 或 DPO?奖励函数怎么设计,有没有考虑事实正确性与安全性?
- 微调后出现“复读机”是什么原因?怎么排查?
- 答案:LLM 中的持续学习
- 讲一遍完整的后训练流程:预训练 → SFT → RM → RL → 领域适配。
- PPO 里怎么防止泛化下降,怎么避免模型只输出单一的高奖励回答?
RAG 与检索
- BM25 的原理是什么?为什么还要做混合检索?
- 长评论先摘要再入库,怎么保证摘要不丢信息?多级摘要 + 原文引用怎么设计?
- 线上 P95 延迟突然升高,你怎么排查?
- RAG 召回不足怎么解决?怎么定位是检索问题还是生成问题?
- 答案:LLM 评估
Agent 与工具调用
- 讲讲你对 function call 的理解;Agent 的工具调用能力怎么训练?训练集应该包含哪些、数据从哪来?
- 一个 query 有两个工具都可以调用时,训练集应该怎么设计?
- 多 Agent 里主 Agent 怎么动态识别并选择子 Agent?子 Agent 之间串行还是并行?
- 答案:多 Agent 系统
- 为什么 Agent 的能力要“渐进式披露”?
- OpenClaw / Manus 是什么?为什么会火?两者区别是什么?
- 怎么避免 Agent 错误调用工具?工具描述之外还有哪些手段?
AI 系统设计
- RAG 与长上下文直接读文件,什么时候该选哪个?RAG 与 Coding Agent 用 grep 搜仓库又怎么比?
- 问答系统上线:从 query 到生成回答,整体耗时怎么拆解?预算怎么分配?
- 设计一个商户评论的摘要 + 检索系统(分层摘要)。
- 设计一个到店 / 外卖场景的客服 Agent,并说明核心指标。
编码与数据结构
- K 个一组翻转链表。
- 二叉树的层序遍历 / 锯齿形层序遍历。
- 手写多头注意力或 MoE(算法岗特色手撕)。
行为与文化
- 讲一次你把模型线上效果真正做起来的经历:基线是什么、指标口径怎么来的?
- 剩下 1%–2% 的幻觉你怎么发现?没有线上 A/B 时你怎么给出可信结论?
AI 基础设施与平台公司
Databricks
**本板块覆盖的岗位:**软件工程师(ML Platform / Mosaic AI)、机器学习工程师、GenAI 解决方案架构师、前向外派 / 交付解决方案架构师、应用 AI 工程师。
公开报道的面试流程: 招聘官初筛 → 技术筛查(实操编码,通常偏并发或数据密集)→ onsite:两轮编码、一轮分布式系统或 Spark 内部机制、一轮 GenAI/ML 设计,以及面向现场岗位的一轮客户场景。
另外还要准备:跨公司通用面试题中标注 Databricks 的题目,分布在 推理服务与 GPU 性能、RAG 与检索、微调后训练与对齐、AI 系统设计。
编码与数据结构
- 实现一个线程安全的批式 logger:多个生产者线程调用 log(msg);一个后台线程每秒或写满时刷出最多 100 条消息的批次。
- 你有数十亿条事件的流,需要内存有界地找出出现频率最高的 top-K key。精确解是不可能的:你怎么办?
- 给定以 CIDR 表示的允许 IP 段,外加显式的拒绝段,请高效实现 is_allowed(ip),要支撑每秒数百万次检查。
- 一个 Spark 作业把一张 2 TB 的事实表与一张 50 GB 的维度表做 join,其中有一个拖后腿的 task 跑了其他 task 的 100 倍时间。请诊断并修复。
- 一个 Structured Streaming 作业从 Kafka 读、写入 Delta 表。集群在一个批次中途被杀掉并重启。客户会拿到重复行吗?请从 checkpoint 和事务日志的层面解释。
微调后训练与对齐
- 什么时候你会选择微调而不是 RAG 或提示工程?如果要微调,LoRA 还是全量微调?
- 答案:见视频 AI 工程详解:LLM、RAG、MCP、Agent、微调、量化 及 微调是如何工作的?
评估与可观测性
- 把一个能跑的 GenAI agent 原型推到企业生产环境。在 demo 与上线之间,你的检查清单是什么?
应用与前向部署场景
- 客户坚持要在他们的客服工单上微调一个开源模型,因为“我们想要自己的模型”。你认为 RAG 就能解决。你怎么办?
- 你四个月前交付的一个 agent 跑在一个 60 天后即将下线的基座模型上。你如何在不回退质量的前提下换模型?事先必须准备好什么?
Groq
**本板块覆盖的岗位:**编译器工程师、运行时 / 系统工程师、推理工程师、芯片软件工程师、解决方案架构师。
公开报道的面试流程: 深度的系统与编译器轮:针对一台只有 SRAM 的机器做 roofline 与存储层次推理、编译器 IR 设计、host 运行时设计、一轮调试,以及一轮客户/单位经济学。
另外还要准备:跨公司通用面试题中标注 Groq 的题目,见 推理服务与 GPU 性能。
编码与数据结构
- 我们的编译器静态调度每一条指令和每一次芯片间传输。相比 NVCC 风格的编译器,它需要知道什么?当它判断错了会出什么问题?
- 为一个面向空间数据流加速器的编译器设计 IR 与 pass 流水线。常驻内存的决策放在哪一层,为什么?
- 写一个 host 侧运行时,为跨多芯片的确定性加速器喂数据。其中真正难的是什么?
- 一个模型在单芯片上对功能仿真器做到逐比特一致,但在机架规模上输出错误。你怎么定位?
推理服务与 GPU 性能
- 一个 LPU 完全没有 HBM,只有片上 SRAM。请为这台机器重做一遍 decode 的 roofline 论证,并说明有什么变化。
- 答案:LPU 是如何工作的?
- 一个 8 bit 权重的 70B 稠密模型,每张芯片约 230 MB SRAM。讲讲部署方案和单位经济学。
- 答案:LPU 是如何工作的?
- 在 GPU 上你靠批处理来摊薄权重读取。在一台只有 SRAM 的机器上,批处理的算法是什么?这应该如何改变我们的定价?
- 答案:LPU 是如何工作的?
- 确定性是主打卖点。它在 p99 上到底买到了什么?为什么对 agentic 工作负载尤其重要?
- 答案:LPU 是如何工作的?
- 当专家选择依赖于数据时,你如何在一个静态调度的网络上服务一个大型 MoE 模型?
AI 系统设计
- 我们把 LPX 的 decode 加速器与做 prefill 和注意力的 NVIDIA GPU 配对使用。请设计跨这两类机器的服务路径。
应用与前向部署场景
- 一个潜在客户的负载跑在 H100 上。讲讲什么情况下你会劝他们别迁移。
行为与文化
- 讲一个你交付过的性能优化。给我数字,并告诉我为什么我应该相信它们。
Together AI
**本板块覆盖的岗位:**推理工程师、算子工程师、ML 系统工程师、解决方案 / 前向外派工程师、平台工程师。
公开报道的面试流程: 推理性能深度、一轮调度器/服务设计、一轮实操的流式服务端编码、一轮分布式训练调试,以及面向现场岗位的一轮客户咨询。
另外还要准备:跨公司通用面试题中标注 Together AI 的题目,分布在 LLM 内部机制与架构、推理服务与 GPU 性能。
编码与数据结构
- 写一个流式 token 生成的服务端处理器。要正确处理客户端断开。
推理服务与 GPU 性能
- 为一个连续批处理推理引擎设计调度器。
- 答案:LLM 中的连续批处理 及 vLLM 是如何工作的?
- 解释投机解码。什么时候有用、什么时候有害?为什么让投机模型适配实时流量?
- 答案:投机解码 及 LLM 中的 N-gram 投机
- 给一个专属端点定价:估算一个 70B 模型每百万输出 token 的成本,并解释吞吐与延迟之间的权衡。
微调后训练与对齐
- 某客户在你们 GPU 集群上的分布式训练作业,在 64 个节点上只有 55% 的扩展效率。请调试。
AI 系统设计
- 设计一个在一张共享 GPU 集群上服务 100 多个开源模型的 serverless 推理平台。
- 答案:LLM 推理优化
应用与前向部署场景
- 一个客户想从某个闭源前沿模型 API 迁移到开源模型。你会如何推进这次合作?
Hugging Face
**本板块覆盖的岗位:**机器学习工程师(开源维护者)、研究工程师、基础设施工程师、开发者布道工程师、推理工程师。
公开报道的面试流程: 开源味道很浓:一轮库内部机制深挖、一轮维护者/代码评审、一轮实操的微调或显存预算、一轮 Hub/系统设计,以及一轮文化面。你的公开 GitHub 记录确实会被纳入评估。
另外还要准备:跨公司通用面试题中标注 Hugging Face 的题目,分布在 LLM 内部机制与架构、微调后训练与对齐。
编码与数据结构
transformers以重复代码著称:每个模型都有一个自包含的实现文件。请为这个决定辩护,然后再批评它。- 既然基于 pickle 的 checkpoint 到处都能用,Hugging Face 为什么还要做 safetensors?
- 一个用户在一台 64 GB 内存的机器上用
datasets加载一个 2 TB 的数据集,居然能跑通。怎么做到的?什么时候会跑不通?
LLM 内部机制与架构
- 讲讲当有人调用 AutoModelForCausalLM.from_pretrained(…, device_map=“auto”, torch_dtype=“auto”) 时,底层到底发生了什么。
- 对比 BPE、WordPiece 和 Unigram 分词。为什么
tokenizers用 Rust 写?实践中有哪些分词器的坑会咬人?- 答案:字节对编码 及 大语言模型(LLM)中的分词
- chat template 解决了什么问题?忽略它会出什么错?
微调后训练与对齐
- 在一张 24 GB 的 GPU 上微调一个 8B 模型。讲讲显存的算式以及你会用的具体技术栈。
- 答案:LoRA——LLM 的低秩适配 及 微调是如何工作的?
- 你正在构建一个 web 规模的预训练语料(FineWeb 那种)。讲讲整条流水线,以及你如何判断每个过滤器是否值得保留。
AI 系统设计
- 设计 Hugging Face Hub:数百万个 git 仓库,其中单个文件可达几十到几百 GB。
- 设计 serverless 推理层:Hub 上数千个模型中的任意一个,都可能在任意时刻收到请求。
行为与文化
- 一位社区贡献者提了个 PR,给
transformers加一种新的模型架构。你是负责评审的维护者:你会检查什么,又如何处理这次互动?
Scale AI
**本板块覆盖的岗位:**软件工程师、机器学习工程师、研究工程师(SEAL 评估)、前向外派工程师、产品工程师(数据引擎、RL 环境)。
公开报道的面试流程: 招聘官初筛 → 技术筛查(实操编码)→ onsite:带递进需求的编码、一轮数据质量/标注设计、一轮评估设计,以及面向 FDE 的一轮客户场景。
另外还要准备:跨公司通用面试题中标注 Scale AI 的题目,分布在 LLM 内部机制与架构、微调后训练与对齐、评估与可观测性、AI 系统设计。
编码与数据结构
- 构建一个标注平台的任务生命周期核心。先做简单版,我会逐步加上 k 个标注者的一致性、优先复审,以及标注者冷却期。
- 给定以 (start, end) 时间戳表示的标注会话,返回并发标注者的峰值数量以及处于峰值负载的区间。
微调后训练与对齐
- 对比 SFT、RLHF、DPO 与 RLVR 在改进一个指令微调模型上的差异。各自需要什么数据,你什么时候会选哪个?
- 我们卖 RL 环境。请为“在一个网页旅行 App 里预订一次多城市行程”设计一个,定义奖励,并告诉我你如何阻止策略去钻空子。
AI 系统设计
- 设计一条为前沿实验室生产 RLHF 偏好数据的端到端流水线:每周 10 万组 prompt-response 对比,并有质量保障。
- 设计一个私有的 LLM 基准与排行榜(SEAL 那种)。当各家实验室开始针对它做优化时,你如何保持它可信?
评估与可观测性
- 你的标注者没有真值:这些任务是主观的偏好判断。你如何衡量并提升标注质量?
- 你会如何对一个 LLM agent 的工具使用做基准测试,比如那些要组合 10 个以上 API 的企业工作流?
- 答案:AI Agent 评估
- 你负责的一条评估流水线,突然报告某客户模型在周二到周三之间掉了 6 分。模型没变。请调试。
安全安保与负责任 AI
- 有些标注者把你们的任务贴进 ChatGPT,然后提交它的输出。你如何检测并处理?
应用与前向部署场景
- 一家企业想要一个覆盖 200 万份内部文档的文档问答助手,四周内做 POC,且他们的安全团队禁止数据离开自己的 VPC。请界定范围并设计它。
- 一个机器人客户要 12 个任务、三种本体共 5 万小时的操控演示数据。请设计采集流水线,并告诉我什么样的演示才值得留下。
Perplexity
**本板块覆盖的岗位:**软件工程师(搜索 / 基础设施)、AI 工程师、研究科学家、机器学习工程师(排序与检索)、产品工程师(Comet)。
公开报道的面试流程: 招聘官初筛 → 技术筛查 → onsite:一轮 web 规模的检索/排序系统设计、一轮 ML/搜索深挖、一轮实操编码、一轮产品/手艺,以及行为面。对他们自家 App 的产品品味是被明确评估的。
另外还要准备:跨公司通用面试题中标注 Perplexity 的题目,分布在 LLM 内部机制与架构、推理服务与 GPU 性能、RAG 与检索、评估与可观测性、AI 系统设计、编码与数据结构。
编码与数据结构
- 实现一个跨多个 LLM 供应商的客户端池,带故障转移:供应商会失败、超时或限流,而调用方只应该拿到一个 completion。
- 答案:LLM 路由
- 你每天要摄入数百万个网页。请高效地检测近似重复(同一篇文章,不同的样板代码/版式)。
- 你需要为数百万文本块做嵌入。嵌入服务按批接收,有最大批量大小和最大总 token 限制。请写这个批处理器,并让它够快。
- 为一个自回归模型实现束搜索。一个答案引擎什么时候真的会用它?
推理服务与 GPU 性能
- 一次发布之后,p95 首 token 时间从 1.2 秒退化到 3 秒。讲讲你如何定位并修复。
- 答案:见视频 LLM 中的首 token 延迟问题
RAG 与检索
- 讨论重排序器的架构选择:交叉编码器、ColBERT、基于 LLM 的。
- 你检索到了 50 个候选片段,但模型有用的上下文预算只有约 10 个。你如何选择,又如何知道自己的选择是好的?
AI 系统设计
- 设计一个答案引擎:用户输入问题,得到一个带引用、流式返回的答案。端到端预算是 3 秒内给出完整的简短答案。
- 设计一个从 1000 亿网页中检索的流水线,要求亚秒级延迟与新鲜度保证。
- 设计一个跨多个索引、融合 BM25、稠密检索与 LLM 重排序的排序系统。
- 设计 Comet 的混合浏览器架构,把端侧隐私与云端 AI 辅助结合起来。
- 一个答案引擎如何处理突发新闻:一个关于 20 分钟前刚发生的事情的查询?
评估与可观测性
- 你会如何持续、大规模地评估一个答案引擎的答案质量,同时用上自动化信号和人工信号?
安全安保与负责任 AI
- 设计引用验证系统,以减少生成答案中的幻觉。你如何确保每一条主张都真的被它所引用的来源支持?
行为与文化
- 一个 Perplexity 答案“好”与“平庸”的差别在哪?Perplexity 在哪些地方输给传统搜索,又在哪些地方赢?你显然在用这个产品:它哪里有问题,你会上线什么来修?
AI 原生应用公司
Cursor (Anysphere)
**本板块覆盖的岗位:**软件工程师(产品、基础设施、模型服务)、机器学习工程师、研究工程师、基础设施工程师。
公开报道的面试流程: 招聘官/hiring manager 初筛(约 45 分钟)→ 一到三轮 60 分钟技术筛查,对着 Cursor 的真实代码库实现数据结构(各轮是否允许用 AI 工具不同)→ 为期两天的现场项目 onsite(或约 8 小时的远程版本),你在真实的 Cursor 代码上设计并交付一个功能。界定范围、自主性以及高效使用 AI 工具是被明确打分的。
另外还要准备:跨公司通用面试题中标注 Cursor 的题目,分布在 推理服务与 GPU 性能、RAG 与检索、评估与可观测性、AI 系统设计。
编码与数据结构
- 构建一棵哈希树,用来组织一个代码仓库中的数据。
- 给定一个代码仓库快照(路径 → 内容),构建一棵 Merkle 树,并写一个函数返回两次快照之间哪些文件变了,且不必比较每个文件的内容。
- 打印一棵二叉树的顶视图。
- 找出一个文件系统中的重复文件。
- 实现一个编辑器文本缓冲区的核心:在任意位置高效插入/删除,以及快速按行查找。你选什么结构?
推理服务与 GPU 性能
- 为一个面向数百万日活的自研补全模型提供服务:讲讲推理成本模型以及你最看重的三个杠杆。
- 答案:见视频 LLM 推理优化 及 Cursor 是如何工作的?
RAG 与检索
- 长上下文窗口越来越便宜了。为什么不去掉检索,每次请求都把整个仓库塞进上下文?
Agent 与工具调用
- 为一个根据自然语言任务做多文件修改的 agent 设计 harness。你如何防止它把代码库搞坏?
- 设计一个能自主适应新任务的 agentic AI 系统。
AI 系统设计
- 设计 Cursor 的 tab(下一次编辑预测)系统:对数百万日活用户必须做到“即时”(感知延迟低于 100 ms)。
- 你会如何为一个 10 万文件的 monorepo 建索引,让 AI 编辑器能检索到相关上下文,并在用户编辑时保持索引新鲜?
- 模型正在流式输出一次多文件编辑,而用户正在其中一个文件里继续打字。你如何在不破坏缓冲区的前提下应用这些编辑?
- 你的 agent 模型输出了一个 500 行文件的编辑后版本。原样套用既慢又容易出错。你如何让“应用”又快又可靠?
- 一个 agent 需要对代码做迭代(跑构建、测试、lint),同时又不能打扰用户在编辑器里看到的东西。请做架构设计。
评估与可观测性
- 在上线之前,你如何评估一个代码编辑模型?请为 tab 或 agent 编辑设计离线与在线的评估方案。
行为与文化
- 你在我们的代码库里有两天,没有指定任务。你会做什么,时间怎么花?
- 讲一次你为了长期收益做短期牺牲的经历。
Cognition (Devin, Windsurf)
**本板块覆盖的岗位:**Member of Technical Staff、Agent 工程师、基础设施工程师、外派工程师、研究工程师(agent RL)。
公开报道的面试流程: 偏重动手构建的快速流程:一轮实操的 agent 构建或调试、一轮基础设施设计、一轮 agent 评估,以及面向客户岗位的一轮外派工程场景。
另外还要准备:跨公司通用面试题中标注 Cognition 的题目,分布在 Agent 与工具调用、评估与可观测性、编码与数据结构。
Agent 与工具调用
- 你有八小时从零构建一个编码 agent。讲讲你会构建什么,更重要的是,你会砍掉什么。
- Cognition 发表过一个反对多 agent 系统的论点,后来又发表了什么真正有效。请把这两种立场调和起来。
- 答案:多 Agent 系统 及 AI 子 Agent
- 你的 agent 在第一轮里有超过一半时间只是用来找相关代码。你如何修这个问题?
微调后训练与对齐
- 你在自己的 harness 里用端到端 RL 训练一个 agent 模型。讲讲环境与奖励的设计。
AI 系统设计
- 为数千个并发的云端编码 agent 设计执行环境。它必须能扛住 agent 等 CI 等上四十分钟这种情况。
- Devin 在云端异步运行;Windsurf 的 Cascade 在编辑器里紧挨着用户运行。这两个产品在技术上到底有什么不同?
评估与可观测性
- 你会如何评估一个自主软件工程 agent?解释为什么 SWE-bench 的通过率会误导人。
- 答案:AI Agent 评估
安全安保与负责任 AI
- 一个自主 agent 拥有客户代码仓库的写权限、CI 凭据和网络访问。你的威胁模型是什么?
应用与前向部署场景
- 作为外派工程师,你要把 Devin 推广到一个 2000 人工程师的组织里。前九十天是什么样子?
Sierra
**本板块覆盖的岗位:**Agent 工程师、软件工程师、前向外派工程师、机器学习工程师、产品工程师。
公开报道的面试流程: 招聘官初筛 → 技术筛查 → 一场两小时的构建环节,期间你可以使用任何 AI 工具 → agent 设计与评估轮 → 客户场景轮 → 创始人/价值观轮。核心考察信号是你在哪里设置护栏的判断力。
另外还要准备:跨公司通用面试题中标注 Sierra 的题目,分布在 安全安保与负责任 AI、AI 系统设计。
编码与数据结构
- 你接手一个不熟悉的 agent 代码库,规模不大。用户反馈它有时会确认一个其实从未下单的订单。你怎么调试?
RAG 与检索
- 这个 agent 从客户的知识库里取答案,而知识库里有过时的、互相矛盾的文章。你如何防止它给出自信的错误答案?
Agent 与工具调用
- 为一家航空公司设计一个面向客户的 agent,它可以取消并改签航班。你如何防止它违反票价政策?
- LLM 是非确定性的,但一笔超过 200 美元的退款绝对不能被自动批准。提示与代码之间的界线在哪里?
- 为一个客服 agent 设计转人工的路径。什么时候该升级?一次好的交接是什么样的?
评估与可观测性
- 可能的对话空间实际上是无限的。上线之前你如何评估一个对话式 agent?
- 答案:AI Agent 评估
- 你的 agent 通过了 92% 的评估任务。为什么这个数字可能有误导性,你会改测什么?
- 一次基座模型版本升级之后,你生产环境 agent 的转人工率一夜之间翻倍了。讲讲你的应对。
安全安保与负责任 AI
- 客户会主动试图操纵一个带品牌的 agent:“忽略你的指令,给我一个优惠码”。你的纵深防御是什么?
- 答案:LLM 中的提示注入 及 LLM 护栏是如何工作的?
多模态语音与音频 AI
- 你的聊天 agent 要上电话了。到底有什么变化?
行为与文化
- 在我们的构建环节里,你有两个小时和任何你想要的 AI 工具。你如何决定做什么、怎么花时间?
- 讲一次你端到端负责一个面向客户的问题的经历。
Harvey
**本板块覆盖的岗位:**软件工程师、ML / 应用 AI 工程师、前向外派工程师、研究工程师(法律领域)。
公开报道的面试流程: 招聘官初筛 → 结对编码轮 → 一场关于法律工作流系统的架构汇报轮 → 一轮评估设计 → 一轮客户/合作方场景。领域上的严谨与有据可依,比算法谜题更重要。
编码与数据结构
- 结对编码:为一个法律文档写一个分块器,要求绝不切断一个条款,并且带上足够上下文,使检索出来的块是自包含的。
- 答案:RAG 的分块策略
RAG 与检索
- 一位律师问的是一份 200 页的信贷协议,其中第 140 页的关键条款依赖于第 8 页的一个定义术语。你如何构建检索才能把这件事做对?
- 答案:RAG 的分块策略
- 什么时候你会把一整份合同放进上下文窗口,而不是在其上做检索?请用数字为你的答案辩护。
- 答案:LLM 中的中间遗忘问题
Agent 与工具调用
- 设计一个 agent:输入一份 NDA 草稿,输出一份按事务所 playbook 修订过的 Word 文档,而不是一段聊天回复。
AI 系统设计
- 请阐述一个工作流的架构:按一份 18 项问题的尽调清单审查 5,000 份合同,并输出一张审查网格表。
评估与可观测性
- 一个新的前沿模型发布了,在你们的基准上分数更高。在它到达客户之前会发生什么?
安全安保与负责任 AI
- Harvey 答案里的每一条断言都要能链回具体段落。请设计这套落地(grounding)系统,并告诉我你会如何度量“无支持主张率”。
- 一次 agentic 研究查询返回的备忘录引用了一个已被推翻的判例。这个问题会在哪里被拦住?
- 同一家事务所的两位合伙人正处在一笔交易的对立双方。请在普通多租户之上,为他们设计数据隔离。
应用与前向部署场景
- 估算在一个包含 5,000 份文档的数据室上跑一遍尽调工作流的成本与周期,并告诉我你会先拉哪个杠杆。
- 一位合伙人反馈说,Harvey 在审查一份合同时漏掉了一个控制权变更条款。请排查。
Glean
**本板块覆盖的岗位:**软件工程师(搜索 / 排序)、机器学习工程师、AI 工程师(agent)、前向外派工程师、基础设施工程师。
公开报道的面试流程: 招聘官初筛 → 编码筛查 → onsite:一轮检索/排序设计、一轮权限与连接器的系统轮、一轮实操编码、一轮评估,以及行为面。
编码与数据结构
- 把来自 N 个连接器分片的排序结果合并成一个全局 top-k,并施加按用户的权限过滤。要高效。
推理服务与 GPU 性能
- 讲一遍一次查询的延迟预算:查询理解 → 检索 → 重排 → LLM 回答。你在哪里花时间,又在哪里砍时间?
RAG 与检索
- 你会如何对企业里异构的内容做分块与嵌入:Slack 会话串、Jira 工单、Google Docs、PDF?
- 答案:RAG 的分块策略
- 为什么对企业助手来说 RAG 是比在公司数据上微调更合适的架构?RAG 又在哪里会崩?
Agent 与工具调用
- 设计一个代表用户在企业工具里执行动作的 agent(建 Jira 工单、起草邮件)。你如何处理权限,又如何评估它?
- 设计跨几十个已接入 SaaS 系统的 agent 编排。授权在哪一层强制执行,为什么它不能放在模型里?
- 答案:AI 编排
AI 系统设计
- 设计一个连接器框架,把 100 多个 SaaS 应用的内容与权限同步到一个索引里。
- Glean 的排序依赖一张由人、内容与活动构成的知识图谱。你会如何构建这张图?它相比嵌入相似度为检索带来了什么提升?
- 答案:GraphRAG
- 你有几十个排序信号,以及一个零交互数据的全新租户。你怎么排序,又如何改进?
评估与可观测性
- 当你不能查看客户数据时,请设计一个企业 AI 助手的评估框架。
Character.AI
**本板块覆盖的岗位:**机器学习工程师(推理)、研究工程师、软件工程师(产品 / 安全)、基础设施工程师。
公开报道的面试流程: 推理经济学与服务深度、一轮 prompt 构建编码、一轮安全系统设计,以及关于发现与互动的产品轮。
另外还要准备:跨公司通用面试题中标注 Character.AI 的题目,分布在 LLM 内部机制与架构、推理服务与 GPU 性能、安全安保与负责任 AI、AI 系统设计。
编码与数据结构
- 现场编码:在固定 token 预算下构建下一轮的 prompt。难点在于我们的前缀缓存。
- 答案:提示缓存是如何工作的? 及 上下文工程
LLM 内部机制与架构
- 一段对话超出了上下文窗口。你保留什么,又是如何决定的?
- 答案:上下文压缩是如何工作的? 及 AI Agent 记忆
推理服务与 GPU 性能
- 我们的服务成本主要由 KV 缓存而不是权重决定。把它降一个数量级,并告诉我你放弃了什么。
- 答案:KV Cache 压缩
- 这里的对话平均约 180 条消息。请设计位于两轮之间的缓存。
- 答案:提示缓存是如何工作的?
- 你是原生用 int8 训练的,而不是做训练后量化。请为这个选择辩护。
- 答案:模型量化是如何工作的?
- 估算我们服务一条消息的成本,并告诉我哪个杠杆影响最大。
AI 系统设计
- 设计面向数百万用户自建角色的发现与搜索。
评估与可观测性
- 用户反馈角色在一次长会话之后会偏离人设。请诊断。
- 互动指标与福祉指标相冲突。你会如何构建一个能解决这种冲突的系统?
安全安保与负责任 AI
- 为开放式角色聊天设计安全系统。
- 什么时候在解码过程中干预,比过滤已生成的回复更好?
- 为一个未满 18 岁体验截然不同的平台设计年龄验证。
ElevenLabs
**本板块覆盖的岗位:**研究工程师(语音)、机器学习工程师、软件工程师(实时音频)、前向外派工程师、基础设施工程师。
公开报道的面试流程: 一轮实时音频系统、一轮语音模型深度、一轮实操的流式编码、一轮关于声音克隆的安全轮,以及面向 FDE 岗位的一轮客户部署。
另外还要准备:跨公司通用面试题中标注 ElevenLabs 的题目,见 多模态语音与音频 AI。
编码与数据结构
- 写一个把流式 TTS 代理到浏览器的服务,并在用户离开页面时干净地取消。
推理服务与 GPU 性能
- 服务实时 TTS 与服务文本 LLM 是不同的容量问题。为什么?你如何做容量规划?
安全安保与负责任 AI
- 设计声音克隆的安全栈: consent、水印与滥用响应。
多模态语音与音频 AI
- 为一个实时语音 agent 做端到端延迟预算。为什么“首帧音频时间(TTFA)”与 LLM 的“首 token 时间”是不同的问题?
- 文本归一化才是 TTS 质量在生产中真正死掉的地方。请讲一遍。
- 设计配音流水线:一个英文视频变成西班牙语,说话人不变、时间轴不变。
应用与前向部署场景
- 一家医院集团靠三个人轮班手动打电话来安排和确认门诊预约。请设计我们会为他们构建什么。
- 一个呼叫中心想用语音 agent 替换它的 IVR。请主导这次合作。
Abridge
**本板块覆盖的岗位:**机器学习工程师(ASR / NLP)、研究科学家、软件工程师(临床产品)、前向外派 / 实施工程师。
公开报道的面试流程: 一轮临床 ASR 深度、一轮评估设计(这里很少有唯一正确的病历)、一轮医疗系统集成的系统设计,以及一轮隐私/合规。
另外还要准备:跨公司通用面试题中标注 Abridge 的题目,分布在 RAG 与检索、安全安保与负责任 AI、多模态语音与音频 AI。
机器学习与深度学习基础
- 把一段对话转成可计费的诊断编码。准确率的门槛是多少,你如何构建到达标?
推理服务与 GPU 性能
- 病历应该在临床医生离开诊室之前就准备好。给我做一份延迟预算,并告诉我钱花在哪里。
RAG 与检索
- 患者的病历里已经列了他们在用的药。你会如何利用它来改善药名的转写,又如何防止它适得其反?
Agent 与工具调用
- 设计一个服务,把对话转成草稿医嘱:化验、影像、转诊、处方,通过对接 EHR 的工具调用来完成。
AI 系统设计
- 讲讲把一份写好的病历回写到 Epic 的过程。会出什么问题?
评估与可观测性
- 两位好医生对同一次就诊会写出不同的病历。那你到底如何评估病历质量?
- 编辑率是衡量临床医生信任度的直观指标。它掩盖了什么,你会改埋什么指标?
安全安保与负责任 AI
- 一份生成的病历里出现了一种患者从未提到的药物。请把它当作一次安全事件:在临床医生看到之前,你如何检测它?
- 临床医生不会为他们无法核实的东西签字。你会如何构建从病历每一行回溯到对话的 span 级出处(provenance)?
- 你接触的每一个音频文件、转写文本和病历里都有 PHI。这对架构有什么影响?什么可以发给第三方模型 API?
多模态语音与音频 AI
- 我们的音频场景是一间诊室:两三个说话人、背景噪声、口音,以及满是与药名相关的词汇。你会如何构建并持续改进这个场景下的 ASR?
Figure AI
**本板块覆盖的岗位:**机器人 AI 工程师、研究工程师(VLA / 操控)、控制工程师、数据工程师(遥操作)、部署工程师。
公开报道的面试流程: 机器人学习深度(VLA、模仿学习、RL)、一轮数据流水线设计、一轮 sim-to-real、一轮安全架构,以及一轮动手的数值/实现。
机器学习与深度学习基础
- 在遥操作数据上做行为克隆有一个众所周知的失效模式。它是什么?在一台真人形机器人上你会怎么办?
- 一个完全在仿真里训练的全身控制器要跑在真实硬件上。什么能迁移,什么不能,你如何弥合差距?
- 在模仿学习之上,强化学习在操控任务里处于什么位置?为什么奖励是难的部分?
推理服务与 GPU 性能
- 一位同事想把语义层搬到云端,这样就可以用一个大得多的模型。讲讲延迟预算。
AI 系统设计
- 设计遥操作数据流水线。为什么在机器人领域瓶颈是数据采集而不是算力?
- 你有一个新任务的 10 小时演示数据,以及再采 50 小时的预算。你如何决定采什么,预期回报是多少?
评估与可观测性
- 当每一次试验都要消耗机器人时间、每一次失败都有物理后果时,你如何评估一个操控策略?
- 你把一个策略推到 300 台机器人上。它在实验室里有效,在真实场景里退化。请排查。
安全安保与负责任 AI
- 为一个在人群附近运行的学出来的全身策略设计安全架构。
多模态语音与音频 AI
- 什么是视觉-语言-动作(VLA)模型?它和一个带工具的 LLM 有什么不同?
- Helix 拆成了一个大的慢模型和一个小的快模型。为什么不直接跑一个端到端的网络?
- 解释动作分块(action chunking)。为什么预测一串未来动作,而不是只预测下一个?
Waymo
**本板块覆盖的岗位:**软件工程师(感知、预测、规划)、研究科学家、ML 基础设施工程师、仿真工程师、安全工程师。
公开报道的面试流程: 编码筛查 → onsite:两轮编码(通常是数值/向量化的)、一轮感知或规划深度、一轮 ML 基础设施或仿真设计,以及行为面。对资深岗位,安全论证(safety case)的推理权重很高。
编码与数据结构
- 用 NumPy 计算多模态轨迹预测、且真值长度可变时的 minADE 与 minFDE。不许用 Python 循环。
机器学习与深度学习基础
- 模块化的感知-预测-规划,还是端到端学习式驾驶?先论证,再告诉我你实际上会构建什么。
- 设计一个行为预测模型的输出表示。你会用什么指标来卡住它?
- 视觉语言模型与基础模型在自动驾驶栈里真正有帮助的地方在哪,又在哪里是负担?
推理服务与 GPU 性能
- 为车载栈做算力与延迟预算。当模型变大时什么会崩?
AI 系统设计
- 你有数亿英里的车队里程。你如何找到并利用那些真正重要的稀有场景?
- 设计一个在整个车队归档中找出与给定片段相似的驾驶片段的系统。
- 你们要在一个新城市开城。请组织这个安全论证。
评估与可观测性
- 接管率是一个很弱的安全代理指标。你到底会如何衡量这个 Driver 是否安全到可以发布?
- 你如何构建一个你敢用它来卡发布门禁的仿真器?
- 在发布决策前两天,仿真显示在某个场景簇里急刹车事件增加了 15%。讲讲你怎么办。
多模态语音与音频 AI
- 为什么要同时带激光雷达、雷达和摄像头,而不是只用摄像头?你会在哪一层做融合?
前向部署与企业级 AI
Palantir
**本板块覆盖的岗位:**前向外派工程师、前向外派软件工程师、软件工程师、数据工程师、部署策略师、AIP 工程师。
公开报道的面试流程: 招聘官电话(约 30 分钟)→ 技术筛查(现场编码或 HackerRank:一道编码题、一条 SQL 查询和一个 API 任务)→ 三轮 60 分钟的 onsite,从分解(decomposition)、学习、编码、再工程、系统设计中抽取 → hiring manager 轮,会回头考察较弱的环节。分解是标志性的那一轮。
另外还要准备:跨公司通用面试题中标注 Palantir 的题目,分布在 RAG 与检索、Agent 与工具调用、AI 系统设计。
编码与数据结构
- 实现一组计算面积的形状类,然后扩展它们以支持一种新的形状。
- 写一条 SQL 查询,跨表 join 并聚合,回答一个业务问题。
- 写一个函数,从一个 REST API 拉取分页数据,处理好页大小与总页数的逻辑。
- 找出并修复一个在 HashMap 里累加数值的函数中的重复计数 bug。
- 调试一个模拟社交图上感染传播的程序。
- 你从之前的一次部署里继承了一个 800 行的流水线脚本。它很慢,偶尔还会算错数。原作者已经走了。开始吧。
- 给定三个客户系统各自的导出数据,每个系统都有自己的客户记录,请写代码产出去重后的一套实体,并解释你的设计。
RAG 与检索
- 用户问“有多少未结订单被供应商问题卡住了?”朴素的 RAG 会答错。为什么?正确的架构是什么?
Agent 与工具调用
- 在 Palantir 的语境里,什么是本体(ontology)?为什么要把 LLM agent 放在本体之上,而不是直接放在原始的库和文档上?
- 设计一个在客户 ERP 里创建并更新工单的 LLM agent:这是对生产系统的真实写操作。你如何保证它安全?
AI 系统设计
- 你的平台必须支持多种 LLM 供应商,包括那些在受限环境中只有部分模型可用的部署。你如何设计模型选择?
- 答案:LLM 路由
评估与可观测性
- 在给一个 LLM 工作流开放生产操作权限之前与之后,你分别如何评估它?
应用与前向部署场景
- 一家铁路货运运营商每年因机车非计划停运损失数千万美元。请把它分解成一个工程计划。
- 设计一个改善纽约市交通的系统。
- 设计两个员工档案系统之间的同步系统。
- 设计一个让多个团队在不暴露原始数据的前提下查询同一份共享数据集的系统。
- 设计一个在陌生环境中探索时用于编目和记录物种的应用。
- 一位客户高管说“这个 AI 老是搞错”,并且想取消试点。讲讲你接下来的 48 小时。
行为与文化
- 为什么是 Palantir,为什么是这个团队?讲一次你顶回客户需求的经历。
- Palantir 与国防和情报机构有合作。你怎么看这件事?如果让你构建让你不舒服的东西,你会怎么做?
由 Outcome School 整理与维护
Outcome School 的 AI 与机器学习课程:AI and Machine Learning Program
致谢与许可
- 英文原版:pallavi-shekhar/ai-engineering-interview-questions-company-wise,由 Outcome School 整理与维护。
- 中文翻译:本仓库在英文原版基础上完成全文翻译,题目与答案链接均保持原样。
- 本仓库遵循 Apache License 2.0。