精选文章
面试自我介绍怎么准备？5步搞定行为面试与情景问题
面试自我介绍是求职者展示自身与岗位匹配度的关键环节。本文提供一套5步准备方法，帮助你系统应对行为面试和情景模拟问题，涵盖从岗位分析到模拟演练的完整流程。 TL;DR（核心摘要） 面试自我介绍的核心是证明“我能
先看结构
从 ATS（申请人追踪系统） 兼容、模块顺序、关键词映射入手，先把简历做成“能过筛、能被看懂”的版本。
再补证据
围绕项目、结果、数字和岗位相关性补证据链，避免空泛描述和批量套模板的痕迹。
最后做投递
把文章里的方法和工具页串起来，形成“写简历 - 改简历 - 投递 - 面试”的完整求职流程。
专题栏目
每个栏目按不同求职阶段拆解，适合从问题出发快速定位阅读入口。
大模型面试题,AI大模型面试题,面试题
大模型面试题：为什么百亿千亿大模型更倾向使用Pre-Norm
如果只说结论，深层网络的PreNorm稳定性，本质上是通过将Layer Normalization放在子层之前（而不是之后），使得训练过程中的梯度流动更加顺畅，从而支持更深网络与大模型稳定训练。对准备大模型岗位面试的求职者来说
大模型面试题,AI大模型面试题,面试题
大模型面试题：为什么FFN中间层维度通常比隐藏维度大
如果你正在准备大模型岗位面试，大概率遇到过“FFN维度扩张”这道题。它看似技术细节，却考察了你对Transformer架构本质的理解。别慌，这篇文章会从问题拆解开始，给你一套可以直接用的方法论、实用技巧和工具提效方
大模型面试题,AI大模型面试题,面试题
大模型面试题：RMSNorm相比LayerNorm去掉了什么操作
## AI大模型面试题：RMSNorm与LayerNorm的区别、原理与面试应答指南 如果你正在准备AI大模型岗位的面试，那么**RMSNorm和LayerNorm**几乎是绕不开的核心考点。直接说结论：两者都是归一化技术，但RMSNorm...
大模型面试题,AI大模型面试题,面试题
大模型面试题：Pre-Norm和Post-Norm结构差异是什么
如果你正在准备大模型岗位的面试，很可能已经被问到过这个问题：**PreNorm和PostNorm有什么区别？** 直接说结论：PreNorm（Pre-Layer Normalization）和PostNorm（Post-Layer Norm...
大模型面试题,AI大模型面试题,面试题
大模型面试题：为什么Prefill和Decode难以高效混在同一批次
如果你正在准备AI大模型岗位的面试，Prefill、Decode和混合批处理这三个术语几乎一定会出现在你的复习清单上。它们并非孤立的概念，而是构成大模型在线推理服务的核心流程。面试官问这些问题的目的，不仅是考察你是
大模型面试题,AI大模型面试题,面试题
大模型面试题：大模型推理中的Prefill和Decode分别做什么
如果只说结论，AI大模型面试中的Prefill和Decode阶段，更关键的不是背住两者定义，而是理解它们为什么是推理流程的两个核心环节。对于准备算法岗面试的求职者来说，先把推理过程的时间线理顺，再掌握KV Cache、计算
大模型面试题,AI大模型面试题,面试题
大模型面试题：KV Cache缓存了哪些张量？为什么能加速推理
如果你正在准备AI大模型岗位的面试，那么**KV Cache原理**几乎是一道必考题。简单来说，KV Cache（Key-Value缓存）是Transformer类大模型在自回归推理时，为了减少重复计算而引入的一种缓存机制。它缓存了已生成t...
大模型面试题,AI大模型面试题,面试题
大模型面试题：Continuous Batching相比传统Batching有什么优势
如果你正在准备AI大模型相关岗位的面试，那么“Continuous Batching”几乎是绕不开的核心考点。简单直接的回答是：Continuous Batching是一种动态批处理推理技术，相比传统静态批处理能显著提升GPU利用率，是当前...
大模型面试题,AI大模型面试题,面试题
大模型面试题：PagedAttention和Prefix Caching如何优化KV Cache显存
如果你正在准备大模型算法岗的面试，看到“PagedAttention”和“Prefix Caching”这两个术语时，大概率会有点发怵。直接说结论：面试官抛这两个点，考的不是你能不能背出论文公式，而是你是否真正理解大模型推理时最
大模型面试题,AI大模型面试题,面试题
大模型面试题：为什么KV Cache只缓存K和V而不缓存Q
如果直接说结论：KV Cache 之所以不缓存 Q（Query），是因为在自回归生成推理过程中，每个时间步的 Q 是由当前输入的 Token 实时计算出来的，它依赖于当前上下文，不具备复用价值；而 K 和 V 则来自之前所有已经生成
大模型面试题,AI大模型面试题,面试题
大模型面试题：MQA和GQA下KV Cache存储结构如何变化
如果你正在准备AI大模型相关岗位的面试，那么 MQA、GQA 和 KV Cache 这三个概念几乎一定会被问到。简单来说，它们都是 Transformer 推理加速的关键技术，分别解决多头注意力机制中的计算冗余和内存瓶颈问题。MQA（Mu
大模型面试题,AI大模型面试题,面试题
大模型面试题：FlashAttention V1和V2在Tiling和算子融合上有什么区别
如果只用一句话总结：FlashAttention V1和V2的核心区别在于**计算与访存的平衡方式不同**——V1通过分块和重计算减少显存访问，V2在此基础上进一步优化了非矩阵乘法部分（如Softmax、Rescale），实现了更高的硬件利