移动西安研究院后端开发一面

#运营商笔面经互助#10.31移动研究院一面30min-软件开发岗线上，4对1，4个面试官轮番拷问自我介绍做过ai相关的内容吗--不是很熟怎么设置奖励函数Ping、curl，netstat命令查看linux路由设置Tcp为什么是可靠的，tcp在传输层icmp在哪一层-网络层端口在哪一层-传输层服务端一般有个固定端口号（http80，https443）RPC和http区别502，504状态码服务器挂了会返回什么服务器高并发QPS、TPS平均响应时间是怎么计算的Cpp数据类型-int，char，bool等等虚函数-多态，虚析构-防止内存泄漏Linux查看cpu使用率-topGet post请求西安和北京想去哪个城市-都行，更想西安研究院有面过其他岗位吗-没反问：岗位工作内容-AI大模型再次开始拷打：有做过大模型吗-课程实践做过，缺乏项目经验用的哪家大模型

LAMB优化器介绍 增大bs，学习率如何调整，模型很大，bs不变呢？ 你知道的并行切分策略； ZeRO介绍； pp并行下每张卡的显存、计算量一样嘛，激活值呢？ DCU和华为AI加速卡区别、生态、通信库； 千卡项目详细介绍一下； 异步保存方面详细介绍； DDP/DeepSpeed中的一些异步保存机制； T5 和 GPT-2的差异； transformer结构； 残差连接的作用； 3D并行相关； 意向地

自我介绍手撕算法介绍LSTM，有几个门，和GRU以及RNN的区别。LSTM有输入输出遗忘门，GRU有重置更新门。都是RNN的变体。LSTM是怎么解决梯度消失问题的？cell state的加法可以使梯度大于1，逻辑门参数可以一定程度上控制梯度消失。LSTM和GRU哪个训练得更快？GRU更快。transformer的encoder和decoder有什么不同？结构上和任务上。transformer的decoder为什么要用掩码？swin transformer的优势。梯度反向传播的原理。链式求导得到误差对于各个权重系数的偏导，然后通过梯度下降算法更新权重，从而最小化损失函数。常用的优化器有哪些？transformer为什么在大批量数据上表现更好？自注意力机制和分布式并行训练。RNN变体有训练瓶颈吗？有，梯度消失或爆炸。反问。部门以及团队情况。

我所在的小组氛围很好，领导也特别温柔，晚上还带我们去吃了饭。而且工作内容正好是我擅长的，做起来毫无压力。福利方面也很好，包三餐，工卡一刷就能吃，食堂的饭菜味道也不错。快下班的时候，领导还来和我们复盘，给了一些修改意见，工作量虽然有点饱和，但内容丰富，也不是特别枯燥。