面试真题

技术面 + 非技术面高频问题 · 企业真题标题 + 校招宝自研参考答案
面试真题
2508 道
技术岗
641 道
非技术岗
1867 道
当前筛选
7 道

按赛道技术岗以技术方向细分；非技术岗按「结构化 / 半结构化 / 无领导 / HR / 职能」细分

全部赛道（2508）技术岗（641）非技术岗（1867）

按方向/形式点选即筛，再点「全部」还原

全部（641）数据库（114）C++（85）Go（82）Java（69）网络（65）操作系统（54）后端（39）前端（37）算法（31）运维（22）其他（17）AI算法（13）大数据（6）测试（4）产品（2）Python（1）

按难度

简单（0）中等（5）困难（2）

按企业点选查看该公司全部题目

百度（161）腾讯（139）通用（87）阿里巴巴（62）网易（55）京东（49）中国储备粮管理集团有限公司（43）字节跳动（34）大华股份（11）美团（10）Momenta（8）小鹏汽车（8）深信服（8）Shopee（7）小米（7）拼多多（7）滴滴（7）虎牙（6）读书郎（6）金山（6）小红书（5）快手（5）搜狐（5）闪送（5）

技术岗 · 分类：AI算法 · 企业：百度7 道 · 点击进入查看参考答案

中等AI算法
讲讲大模型相关
结论：大模型指大规模参数预训练模型（如GPT、BERT、混元）。核心要点：1.原理基于Transformer自注意力，海量数据预训练加微调或提示学习；2.类型含NLP、多模态、垂直领域；3.应用对话、代码生成、创作；4.…
🎤 百度
中等AI算法
算子核函数设计方法
结论：算子核函数设计需从计算定义、并行策略、内存层次、边界处理入手。要点：明确算子数学逻辑（如Y=AX+B）；划分grid/block/thread映射输出元素并行；利用共享内存缓存切片减少全局访存；处理非对齐边界；对比…
🎤 百度
中等AI算法
Faster Transformer框架
结论：Faster Transformer是NVIDIA开源的针对Transformer类模型（如BERT、GPT）的高性能推理加速库，通过底层优化显著提升吞吐并降低延迟。核心要点：1. 原理：提供高度优化的CUDA内核…
🎤 百度
中等AI算法
QKV的计算过程
结论：QKV分别是查询(Query)、键(Key)、值(Value)矩阵，由输入向量线性变换得到，用于注意力计算。原理：输入X(shape: [seq_len, d_model])分别乘以可学习权重Wq,Wk,Wv得到Q…
🎤 百度
中等AI算法
Transformer具体的输出
结论：Transformer的输出包括每一层后的隐藏状态序列，最终输出取决于任务（编码器的上下文表示或解码器的预测logits）。核心要点：单层输出为自注意力计算加权求和，经残差连接与LayerNorm，再经前馈网络同样…
🎤 百度
困难AI算法
GEMM（矩阵乘法）优化
结论：GEMM优化核心在提升缓存命中与并行度，常用分块、向量化、多线程。核心要点：1)分块（tiling）将矩阵分小块适配L1/L2缓存，减少访存；2)循环重排与向量化（SIMD）利用CPU向量指令；3)多线程（Open…
🎤 百度
困难AI算法
GPU算子优化方法
结论：GPU算子优化核心在于隐藏延迟、提高并行度和带宽利用率。关键方法：1. 内存优化：用共享内存缓存频繁数据，合并全局内存访问（连续线程访问连续地址）减少事务；2. 计算优化：循环展开、向量化指令或Tensor Cor…
🎤 百度
查看「百度」全部在招岗位与笔面经 ›
题目整理自公开面经，答案由校招宝自研生成，仅供参考