一面

• 自我介绍
• 经历和项目拷打
• 有定义新的 mlir dialect 吗
• 做项目时有参考 torch-mlir 吗
• 有考虑动态图的问题吗
• 转成 tosa 和 tensor 后，接着 lower 到哪些 dialect
• One-shot bufferization 和基于 dialect bufferization 你有了解到吗
• 了解 llvm 的 isa 和 dyn_cast 吗
• 做题
• 给定一个计算图，计算运行该计算图所需的最小内存
• 反问
• 做什么的：面试官是偏图编译优化的
• 面评：总体还是比较满意的，但各个项目和实习都可以再做深入一点

二面

• 自我介绍
• 写过 cuda 吗
• 了解静态图和动态图吗，他们之间的区别是什么
• mlir 中怎么处理 in-place 操作
• 做题：拓扑排序
• 反问：
• 做什么的：ai 编译和 cuda kernel 都做，偏车端部署
• 面评：经历还是很丰富的，后续可以多写写 kernel