蔚来 AI Infra 测试工程师一面:从 LSTM 到跨平台推理差异
- 轮次
- 一面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 展开讲一下毕业设计中深度学习 LSTM 模型的应用。
- 为什么选择 LSTM 模型?它和普通的 RNN 有什么区别?
- 模型的数据量和数据划分比例是多少?
- 你的模型的输入 shape 是什么情况?Batch size 是怎么选取的?
- 你清楚 Tensor 的 shape NCHW 这个概念吗?
- 一个模型相同的输入在安卓 CPU、英伟达 CPU 和自研 NPU 上表现有差异,你怎么看待这个问题?你觉得这是一个 bug 吗?你有哪些分析方向?
- 简历中跨切片流量串扰问题的发现、复现、定位的过程可以完整讲一下吗?
- 怎么判定业务验证的成功率?
- 介绍一下某个你很熟悉的特性从设计到落地的过程。
- 讲一下和 AI link 的一些平台开发的事情。
- 介绍一下美赛做的项目,对于你的 AI 学习有什么启发?
- 测试工程师在 AI 时代应该具备什么样的素质?
《参考解析》
为什么用 LSTM:RNN 在长序列上存在梯度消失,难以捕捉长距离依赖;LSTM 通过输入门、遗忘门、输出门与细胞状态控制信息流,遗忘门决定保留多少历史,输入门决定写入多少新信息,因此能稳定地学习较长依赖。代价是参数量与计算量更大、并行度低。若数据是长序列且依赖跨度大,LSTM 仍是有竞争力的基线;若追求训练效率,可以对比 GRU 或 Transformer。
数据量与划分:说明样本总数、特征维度、时间跨度与类别分布,划分比例通常按时间切分而非随机切分,避免未来信息泄漏。验证集用于调参,测试集只在最后评估一次。若样本少,用交叉验证并报告均值与方差。
输入 shape 与 batch size:LSTM 的输入通常是 (batch, sequence_length, features),若启用 batch_first。batch size 影响梯度估计的稳定性与显存占用:太小则梯度噪声大、训练慢,太大则泛化变差且可能放不下,常用做法是从较小值开始按显存逐步增大,配合学习率调整。
NCHW:N 是 batch,C 是通道,H 与 W 是高和宽。这是卷积网络常见的布局,GPU 上 NCHW 便于按通道做向量化;某些推理框架偏好 NHWC 以利用内存连续性。布局转换会带来额外拷贝,因此部署时要确认模型与推理引擎的布局一致。
同输入跨平台结果不同:不一定是 bug,先分清是数值差异还是逻辑错误。可能原因包括浮点精度与累加顺序不同(GPU 的乘加融合、NPU 的定点量化)、算子实现差异(激活函数近似、池化边界处理)、布局与内存对齐、以及不同框架的默认设置(如是否启用 TF32)。分析方向是:固定随机种子与关闭融合后逐层对比中间结果,定位第一处超过阈值的层;用官方算子替换自定义算子做对照;检查量化校准数据与阈值。判定标准应是业务可接受的误差范围,而不是要求逐位一致。
跨切片流量串扰的定位:先确认现象与影响面(哪些切片、什么时段、是否与并发相关),再从监控与日志找出异常模式,构造最小复现(固定输入、逐步缩小范围),用隔离实验确认是共享资源(带宽、队列、缓存)还是配置串了。修复后要补回归用例,防止再次出现。
业务验证成功率:先定义成功标准(功能正确、时延达标、无错误码),再确定样本量与统计口径,区分首次成功率与重试后成功率,并按场景分层统计。只看总量会被长尾掩盖。
特性从设计到落地:按「需求与约束 → 方案与取舍 → 实现与测试 → 灰度与观测 → 复盘」讲,突出你负责的部分与决策依据。
AI 时代的测试素质:除了传统功能与性能测试,还要能评估模型输出的不确定性——构造评测集、定义指标、做回归对比;理解数据质量对结果的影响;能读推理链路与日志,定位是模型问题还是工程问题;以及具备成本意识,知道一次评测要花多少算力与时间。