UMMA 面试题
共 2 篇真实面经 · 涵盖 腾讯(混元) 等 1 家公司
腾讯混元 AI Infra 二面:三代 GPU 架构、Cache-Aware 路由与 W4A4 稀疏算子
腾讯混元 AI Infra 二面全部围绕自研推理栈:先对比 Ampere、Hopper、Blackwell 三代架构的 TMA、Tensor Memory 与低比特支持,再追问 WGMMA 与 UMMA 的指令级差异、Cache-Aware 路由的评分与调参、TILE Cache 系统仿真,最后落到 W4A4 稀疏算子的实现细节,并现场手写带工程优化的 Softmax。
腾讯混元 AI Infra 二面复盘:从 Hopper WGMMA 到 Blackwell UMMA 的底层追问
同一场腾讯混元 AI Infra 二面的另一份记录:面试官按「硬件架构—指令—算子—服务调度」逐层下钻,五组问题覆盖三代 GPU 的搬运与计算机制、Cache-Aware 路由的评分调参、TILE Cache 仿真、W4A4 稀疏 Kernel,最后要求手写 Softmax 并讲清每一步优化为什么有效。