面试面经 · 百度
【百度】【AI平台后端】【面经】（模型服务+推理优化+分布式）
【百度】【AI平台后端】【面经】
基本信息
| 项目 | 内容 |
|---|---|
| 公司 | 百度 |
| 岗位 | AI 平台后端工程师 |
| 轮次 | 综合 |
| 面型体感 | 技术面，模型工程化+分布式 |
| 面试官风格 | 考察系统设计 |
| 结果 | 通过 |
面试题目（按提问顺序）
- 模型服务的架构怎么设计？
- 如何处理模型推理的高并发请求？
- KV Cache 的原理？怎么优化？
- 多卡推理怎么做？模型并行和数据并行的区别？
- 分布式训练的框架了解哪些？DeepSpeed？
- ZeRO 优化器的原理？Stage 1/2/3 的区别？
- GPU 资源怎么调度和分配？
- 模型版本管理怎么做？
- A/B 测试在模型上线中怎么实现？
- 如何监控模型服务的性能和效果？
- 场景题：设计一个文生图服务的后端架构
- 算法题：任务调度相关
面试感受 / 反馈
百度 AI 平台方向考察模型工程化能力，不是纯后端也不是纯算法。需要懂模型训练和部署的流程，以及大规模系统的架构能力。
准备建议
- 模型服务和推理优化要熟悉
- 分布式训练框架（DeepSpeed）要理解
- GPU 调度和资源管理是重点
- 准备 AI 系统架构设计题
