小米 Ai 软件工程师 一面、二面

小米给我的感觉是不怎么聊八股，或者说问的八股都是从自己简历里头的东西衍生出来问。

10 月 17 日 一面 50 分钟

1. 自我介绍
2. 学校课程有没有编译器相关的(也就体系结构，还是自学)
3. 实习经历
1. AI编译器的实现方案
2. 流水并行、张量并行
4. 项目经历
1. 编译优化
1. 常量折叠、死代码消除的实现
2. 编译器前端的一个安全检查工作
3. 一生一芯
5. AI 编译器和传统的编译器 LLVM 有啥异同
6. 深度优先搜索和广度优先搜索
7. 手撕-单例模式
8. 反问
1. 业务（回复说 AI 编译器，MLIR 那一套的）
2. 出结果时间（不清楚）

一面完很快就就约了二面。

10 月 31 日 二面 1 小时 10 分钟

1. 自我介绍
2. 其实主要还是围绕简历上聊的，简历有啥就问啥
3. 项目经历
1. cv 项目
1. 数据集大小
2. mobilenet 的骨干网络
2. 编译优化
3. 强化学习与进化算法有什么异同吗->解释下遗传算法->遗传算法的概率是怎么扰动的
4. 瑞芯微 RKNN 的模型边缘部署工作
1. 转 onnx 流程
2. 转 RKNN 流程
3. 量化
5. 一生一芯->操作系统
4. 竞赛经历
1. 微信小程序蓝牙协议相关
5. GCC 和 LLVM 有啥关系
6. 代码怎么变成可执行文件，可从颗粒度大和小两种角度解释下
7. 静态链接和动态链接是什么->有什么作用->当前有一个.so 了，如何用命令行如何实现链接
8. 执行./a.out，程序是怎么运行起来的
9. 看你简历研究方向写了机器学习，说个传统的算法呗->PCA降维、SVM->SVD
10. llam2 和 llama3 区别->大模型推理过程->详细点从模型结构的角度再说下，里头有哪些模块 ->embbing、注意力机制、词表、kv cache->llama3 有几层 block->kv cache 在显存中的大小计算->后面跟实习经历太相关了，就不写了
11. GPU 调度、流水并行
12. pybind11接口怎么用，python 侧和 cpp 侧要做些什么
13. 反问
1. 业务（大模型框架、deepseek 这类较为上层的 ai 软件）

最好的一次体验，基本上把简历上有的都细致地问了一遍，面试官的知识面很广，也会引导我，可惜我太菜。虽然做的多，但项目细节上的深度欠缺了，虽然面试官说作为应届生已经不错了，但还是挂了。作为一个全身都是小米产品的米粉难过了，未来社招再见吧。