科大讯飞 大模型算法面经（一面）

秋招 · 2026-10 · 来源 牛客

聚焦大模型推理Infra方向，重点考察国产异构算力（昇腾）适配、vLLM/SGLang等推理框架原理、显存与计算瓶颈分析、GPU资源调度及AI Coding在底层工程中的落地能力

• 一面 · 项目：在华为AI Infra项目中如何解决昇腾平台上的模型部署问题（如算子兼容、OOM、动态Shape）
• 一面 · 八股：原生CUDA生态与异构国产算力（如昇腾）在推理框架适配中的核心差异与技术难点
• 一面 · 场景：设计GPU资源池化与弹性扩缩容策略，需兼顾隔离性、利用率和冷启动延迟
• 一面 · 八股：vLLM的PagedAttention和SGLang的RadixAttention设计动机与适用场景差异
• 一面 · 八股：大模型推理中Prefill和Decode阶段的性能瓶颈类型（Compute-bound vs Memory-bound）及对应优化手段
• 一面 · 开放：AI Coding工具如何提升AI Infra工程师在算子迁移、压测脚本生成和日志分析等环节的开发效率