面向大模型 算法研究 / 应用开发 / AI Infra 岗位的系统化面试准备资料。
15 份文档 · 386 道题 · 约 42 万字 —— 全部内容已转成 Markdown，可在 GitHub 上直接在线阅读和全文搜索，无需下载。
不是零散面经的堆砌。每份文档都按知识体系（而非来源仓库）重新组织，题目按模块串联，答案做了系统化的工程视角重写与补充：
- 八股成体系 —— 从 Transformer 架构、位置编码、注意力变体，到分布式训练、PEFT、RLHF、推理优化，公式尽量给全并可推导
- 面经带复盘 —— 字节 11 篇真实面经实录按时间线整理，附岗位版图、流程轮次、考察偏好、常见失败原因
- 大厂可横向对比 —— 12 家厂商的面试风格、高频真题、跨公司通用题 Top 榜
- 专题能落地 —— RAG / Agent / 推理部署 / Infra / 推理模型 / 多模态 / 世界模型 七个方向各成专题，含手撕题、系统设计题、口述训练和速查卡
- 能手写 ——
code/下有 12 个可运行的手撕实现，每个都跟 PyTorch 官方算子做过交叉验证
| 文档 | 方向 | 覆盖内容 | 题量 |
|---|---|---|---|
| 00 面经总索引 | 总览 | 阅读路线 · 准备时间线 · 使用建议 | — |
| 01 大模型八股面试题 · 上 · 基础与架构 | 八股 · 基础 | Transformer · 位置编码 RoPE/ALiBi · MHA/MQA/GQA · FlashAttention · MoE · 分词 · 采样 · Scaling Law | 27 |
| 02 大模型八股面试题 · 下 · 训练与微调 | 八股 · 训练对齐 | 预训练与 Loss Spike · 混合精度 · ZeRO · 3D 并行 · LoRA/QLoRA · RLHF/PPO/GRPO · 蒸馏 | 34 |
| 03 大模型推理优化与部署 | 推理 / 部署 | Prefill/Decode · KV Cache 计算与优化 · PagedAttention · PD 分离 · GPTQ/AWQ/FP8 · 投机解码 · 服务化与成本 | 33 |
| 04 AI Infra 与大模型系统设计 | Infra | GPU 架构与互联 · CUDA 编程与手撕算子 · 显存公式 · 并行策略 · 通信原语 · 推理系统 · 调度 · 性能调优 | 30 |
| 05 RAG 检索增强生成 | RAG | PDF 解析与分块 · Embedding 选型 · HNSW/IVF/PQ · BM25 与混合检索 · Rerank · 幻觉与评估 · 系统设计 | 35 |
| 06 AI Agent 开发 | Agent | ReAct · Plan-and-Execute · Function Calling · MCP · 记忆系统与上下文工程 · 多 Agent 协作 · 评估与可观测 · 安全 · 系统设计 | 22 |
| 07 推理模型与测试时计算 | 推理模型 | RLVR · GRPO · ORM/PRM · 测试时扩展 · 自洽性投票 · 过度思考 · 蒸馏与部署 | 12 |
| 08 多模态大模型 | 多模态 | VLM 三段式 · CLIP/SigLIP · 训练三阶段 · 视觉 token 化 · AnyRes · 视频理解 · 幻觉 | 10 |
| 09 世界模型 | 世界模型 | 形式化 · RSSM 与 ELBO 推导 · KL 平衡 · λ-return 想象训练 · 扩散与 Flow Matching · AdaLN 条件注入 · 潜动作模型 · MPPI 规划 · 评测体系 | 19 |
| 10 字节跳动面经与真题复盘 | 字节专场 | 岗位版图与选岗 · 5 轮流程详解 · 字节面试风格 · 真题分类 · 避坑清单 | 23 |
| 11 字节跳动面经实录 2025–2026 | 字节专场 | 11 篇面经实录：豆包 Seed、AI 应用研发、搜索推荐、Agent 平台、TikTok、飞书、AI Infra、推理优化等 | 97 |
| 12 各大厂面经合集 · 腾讯阿里百度快手等 | 大厂横向 | 腾讯 / 阿里 / 百度 / 快手 / 美团 / 京东 / 小红书 / 华为 / 小米 / 讯飞 / 商汤 / 月之暗面 / 智谱 / MiniMax / DeepSeek —— 流程 · 真题 · 横向对比表 | 44 |
| 13 求职流程与面谈技巧 | 求职 | 简历写法 · 项目 STAR 与技术决策 · 面试节奏 · 行为面 · 反问 · 谈薪与 offer · 复盘 | — |
| 14 论文精读清单 · 30 篇 | 论文 | 30 篇必读：基础 Scaling · 架构 · 训练推理系统 · 对齐 · 推理与 Agent · 多模态 | 30 篇 |
合计 386 道面试题，另有求职方法一篇、论文精读 30 篇。
| 目标岗位 | 推荐路线 |
|---|---|
| 算法研究岗（Seed / 通义 / 混元等） | 八股上 → 八股下 → 字节/大厂面经 → 推理优化（了解即可） |
| 应用 / Agent 开发岗 | 八股上（架构部分）→ RAG 专题 → Agent 专题 → 推理优化（成本与延迟部分） |
| AI Infra / 训练推理工程岗 | 八股下（分布式训练）→ 推理优化与部署 → AI Infra 与系统设计 → 手撕 CUDA |
| 时间紧张（一周冲刺） | 八股上 → 八股下 → 目标公司面经 → 手撕代码清单 |
| 阶段 | 时间 | 任务 |
|---|---|---|
| 打基础 | 2–3 周 | 通读八股上下两篇，每个公式自己能推一遍 |
| 项目打磨 | 1 周 | 按 STAR + 技术决策梳理 2 个项目，准备被追问 3 层 |
| 方向深入 | 1–2 周 | 按岗位方向选读 RAG / Agent / 推理 / Infra 专题 |
| 手撕专项 | 1 周 | Attention、LayerNorm、KV Cache、采样、CUDA kernel 手写 |
| 模拟与复盘 | 3–5 天 | 用目标公司面经自测，限时口述 |
- 不要只读不写 —— 每道题合上文档，自己口述一遍，卡住的地方做标记。
- 公式要能手推 —— Attention、DPO、ZeRO 显存、KV Cache 显存这几处是面试重灾区。
- 项目是胜负手 —— 八股答得再好，项目讲不清也会挂。每个技术选型都要能回答「为什么不用另一个」。
- 按公司微调 —— 确定目标公司后，优先精读对应面经文档，注意其考察偏好。
- 结合真实数据 —— 讲工程实践时带上自己项目的 QPS、成功率、P99 延迟、成本，可信度高很多。
.
├── *.md # 正文（15 份），GitHub 上可直接在线阅读
├── code/ # 手撕代码库，12 个可运行实现 + 自测
├── docx/ # 原始 Word 文件（10 份），排版更精确
└── README.md
根目录的 .md 就是正文，点开即可阅读，无需下载。Markdown 由 pandoc 转换生成（pandoc -f docx -t gfm --wrap=none），公式、表格、代码块已尽量保留；如需精确排版请参考 docx/ 下的原件。
内容整理自以下公开仓库与文档（按 star 数排序），并在各文档开头的「来源与参考」章节逐一署名：
| 仓库 | Star | 说明 |
|---|---|---|
| wdndev/llm_interview_note | 15.1k | 大语言模型算法工程师知识及面试题，分 10 大模块 |
| liyupi/mianshiya | 5.9k | 企业面试题库网站，含 AI 大模型 / Agent / RAG 面试题 |
| WeThinkIn/AIGC-Interview-Book | 4.7k | AIGC / LLM / AI Agent 面试资源平台 |
| datawhalechina/daily-interview | 3.8k | Datawhale 面经合集 |
| 315386775/DeepLearing-Interview-Awesome-2024 | 2.9k | AIGC / CV / LLMs 面试问题与答案集合 |
| km1994/LLMs_interview_notes | 2.6k | 大模型算法工程师面试题整理 |
| llmgenai/LLMInterviewQuestions | 1.9k | 国外大厂（Google / NVIDIA 等）LLM 面试题 |
| Devinterview-io/llms-interview-questions | 1.1k | LLM 面试问答（英文） |
| KalyanKS-NLP/LLM-Interview-Questions-and-Answers-Hub | 1.0k | 100+ LLM 面试题与答案（英文） |
| jingtian11/EasyOffer | 822 | 《大模型面经合集》，按公司分目录 |
| Junvate/LLM-Algorithm-Intern-Guide | 678 | 2026 届大模型算法岗实习面经 |
| luxuantao/advanced_LLM_interview_notes | 158 | 大模型进阶面经 |
| DolbyUUU/Awesome-LLM-Interview-Questions-and-Answers | 52 | 大模型算法 / Agent 开发常见题 |
| MisterBooo/llm-interview-questions | 53 | 100 道大模型面试题与 100 张 SVG 图解 |
| 712sir/ai-infra-career | 27 | 推理引擎 / 分布式训练求职路线图 |
此外还参考了 Anthropic Building Effective Agents、OpenAI Function Calling / Agents SDK 文档、Model Context Protocol 规范、LangGraph / LlamaIndex / AutoGen / vLLM / SGLang 等官方文档，以及 ReAct、Reflexion、MemGPT、FlashAttention、ZeRO、LoRA、DPO 等原始论文。
jingtian11/EasyOffer与Junvate/LLM-Algorithm-Intern-Guide更新较频繁，建议定期直接浏览原仓库获取最新真题。
- 面经类内容（尤其是流程、轮次、题目细节）来自公开经验分享与个人整理，实际面试会有差异，请以自己收到的通知为准。
- 答案中的工程实践数据为综合整理的典型值，用于理解量级与权衡，不代表任何具体线上系统。
- 本文档仅供学习交流，请勿用于商业用途；转载请注明来源。
如果这份资料对你有帮助，欢迎 Star ⭐