KV Cache 面试题
共 21 篇真实面经 · 涵盖 多家互联网公司 / 某公司 / 阿里云 / 百度 / 滴滴 等 15 家公司
16 家 AI 公司面经汇总：8 道高频题与答题要点
汇总字节、百度、美团、滴滴、腾讯等 16 家公司 AI 岗面经后归纳出的 8 道高频题：不用框架手写 Agent 的模块拆分、RAG 召不到数据怎么排查、Agent 记忆管理与压缩、MCP/Skill 工具接入、KV Cache 与长文本显存、MoE 路由与负载均衡、LoRA 原理与 rank 选择，以及 Agent 开发与传统前后端开发的本质差异。
扒了 35 家 AI 公司面经，考最多的居然不是 Transformer
汇总 35 家大模型公司约 600 道面经题后的高频考点复盘：出现次数最多的是 KV 缓存与显存计算，其次是 MoE 的路由与负载均衡、Prompt 与 RAG 和微调的选型，以及面向海量用户的聊天助手系统设计。
阿里云 Agent Infra 一面：SGX、EPC、512MB、吞吐不升反降
阿里云 Agent Infra 一面面经：从 Intel SGX 的 EPC 512MB 与多租户数据安全切入，追问 PV 变 4 倍吞吐不升的定位，再考沙箱多租户隔离与容器重启状态恢复、通用 Agent Runtime 的多模型抽象、长序列训练显存与 vLLM PagedAttention，最后手撕嵌套字符串解析。
百度大模型算法岗一二面面经
百度大模型算法岗一面二面面经。一面考多模态架构、视觉语言 Adapter、ViT 特征提取与自注意力原理，并手撕最大正方形；二面深入 MHA/MQA/GQA 与 KV Cache 显存、PagedAttention 和代码补全 Agent 的工程实现。
滴滴 AI Infra 算法岗一二面面经
滴滴 AI Infra 算法岗一二面：一面考 Attention 优化、KV Cache 显存计算与 ZeRO 分片；二面深挖流水线调度、分布式 Decode 与 PyTorch 编译栈。
滴滴 AI Infra 算法岗一二面面经
滴滴 AI Infra 算法岗一二面面经：一面考 Attention 架构优化、KV Cache 管理、MLA 与线性注意力、GQA 显存估算与 DeepSpeed ZeRO，二面追问调度细节并手撕 CUDA 算子。
米哈游 大模型算法 面经：LoRA 一致性、Agent 与推理优化
米哈游大模型算法岗面经：ACM 模式代码题加三道手撕（岛屿数量、rand7 实现 rand10、冒泡排序），技术题覆盖 LoRA 原理与一致性控制、大请求量下的 QPS 保障、Agent 使用经历、实习期 60 多个自动化验证用例的追问，以及多模态视频输入与视觉幻觉缓解、embedding 与 reranker 的分工、ANN 选型、Transformer 与 Attention 复杂度、KV Cache、GQA/MLA、vLLM、Flash Attention、稀疏注意力和推理变慢的排查思路。
顺丰 AI 全栈一面：ReAct 循环、缓存命中率与知识库 pipeline
顺丰 AI 全栈一面面经（10 月 8 日），半小时无手撕无八股，面试官主问 AI 与实习：ReAct 循环的实现与终止条件判断、最大迭代次数的定法、实测最复杂任务，以及 prompt caching 与 KV Cache 的原理和命中率优化；后半段深入供应链知识库建设，追问 LM Wiki 从 raw 文档抽 concept/实体/边的 pipeline、节点变更的影响面分析、多语言翻译插件为什么用 ES 做语义召回。
腾讯 CSIG 业务后训练日常实习一二面：大模型与 RL 高频深挖
腾讯 CSIG 业务后训练日常实习一面二面记录：一面围绕位置编码演进、视频 VLM 的帧采样与时序建模、Qwen2-VL 与 Qwen3.5-VL 编码差异、超大分辨率与长文档适配、推理超参、SFT 与 RL 的适用场景、数据 Pipeline、稀疏 Attention 与模型量化；二面深挖 RL 训练监控指标、KV Cache 与显存优化、vLLM 与 SGLang 的加速机制差异、PPO 与 GRPO 算法细节、RL 三核心以及 VLM 全流程训练与指标归因。
阿里云 AI Agent 算法一面面经全解析
阿里云 AI Agent 算法一面 20 题：KV Cache 显存估算、Agent 上下文治理与取消、MCP 调用流程、RAG 父子索引、ReAct 与 Plan 取舍、多 Agent 协作与死循环兜底，另考分布式 ID、缓存、Redis、ThreadLocal、Spring 与 TCP。
蚂蚁集团大模型算法面经合集：并发基础与训练推理
蚂蚁集团大模型算法岗六场面试合集：一面以线程池、锁与 JVM、索引与 B+ 树、Redis 与秒杀链路打底，二面追问线索评分 ROI、Prompt 强制 JSON 输出与幻觉兜底、800ms 链路拆解；后几面深入 MLA 与 KV Cache 优化、蒸馏数据清洗与 w8a16 量化，以及 PPO/GRPO 的损失、KL 估计与 rollout 资源关系。
百度 AI Agent 开发岗面经：LangGraph 架构与高并发会员保障
百度 AI Agent 开发岗四场面试题目合集，围绕 LangGraph 迁移成本、Agent 评测集设计、Harness 工程、高并发下会员优先级保障，以及 MCP 与 Skill 的区别、KV Cache、TIME_WAIT 等基础题。
大疆 9.23 算法类笔试记录：大模型训练与端侧推理场景题
大疆 9.23 算法类笔试记录：单选、多选、判断加问答题，最后一题是场景设计——为手机端自然语言回答助手解决多模态大模型出 token 慢的问题，要求从 KV Cache、权重压缩等方向给出方案；帖子作者投的是 Agent 岗，但考点偏大模型训练。
华为 AI 方向机考 9 月 18 日：10 道选择加全局位注意力编程题
华为 AI 方向 9 月 18 日机考真题：10 道选择题覆盖 RoPE、矩阵维度、余弦相似度、评测指标、CUDA 共享内存、稀疏格点、正态分布、KV Cache、偏差方差与 Kernel 融合流量计算，外加一道 150 分的全局位与窗口注意力编程题。
快手 后端开发一面面经（9.28）：Agent 架构、LLM 评测与 KV Cache 深挖
快手后端开发一面面经，9 月 28 日。围绕实习与 Agent 项目追问多 Agent 取舍、MCP 与本地 CLI 的区别、Agent 可观测指标、LLM as a judge 的取舍、代码知识库为何不用图，以及 KV Cache 复用、QPS 优化与零拷贝；手撕最小覆盖子串。
绿盟科技软件研发秋招二面：C++ 内存排查与推理平台设计
绿盟科技软件研发秋招二面：从 C++ 服务偶发堆损坏的排查切入，追问 TCP 有确认重传为何应用层仍无法确认消息被处理、多租户推理治理与 KV Cache 调度设计，以及 Valgrind 的局限与 epoll 边沿触发要点。
拼多多 AI Infra 提前批一面：前缀和算法题与推测解码深挖
拼多多 AI Infra 提前批一面面经，约 30 分钟算法题（删除一段连续区间使剩余和能被 K 整除，追问前缀和取模加哈希优化），随后深挖推测解码项目与 vLLM、KV Cache、PagedAttention、FlashAttention 等推理框架原理。
淘天集团 Agent 算法一面：SFT 超参、Muon 与 KV Cache
淘天集团 Agent 算法一面：任务合成与清洗、bad pattern 重采样、RL 轨迹压缩与 SFT 超参，考 Adam 与 Muon 的区别、ReAct、KV cache 为什么只缓存 K 和 V，并用 torch 手写多头注意力。
腾讯 Agent Infra 面经：SGX 沙箱与推理性能排查
腾讯 Agent Infra 面经：考察自动化稳定性、Intel SGX 多租户与 EPC 换页安全、沙箱隔离与容器重启后的状态恢复，并追问多模型抽象与链路追踪，以及 KV Cache、PagedAttention 等推理优化。
腾讯社招一面面经（Agent 方向）
腾讯社招一面，全程围绕 Agent 项目的工程实现：框架选型为什么用 LangChain + LangGraph、方案审核用什么指标判断不合格以及审核结果怎么回流链路、可观测性怎么做、调用 sub-agent 时主 Agent 的 context 带不带过去、超长内容怎么压缩（自研还是用 LangGraph 自带）；重点问 token 消耗优化和 KV Cache 命中率的手段，并追问 Skill 系统的设计——移除 Skill 正文会不会破坏 KV Cache、Skill 本身是一个工具还是多个工具。
腾讯社招二面面经（Agent 方向）
腾讯社招二面，围绕 Agent 项目的技术细节逐个追问：项目语言选型与 Go 的 Agent 框架、意图识别的具体实现与准确率如何验证、多意图请求怎么处理、上下文工程与 memory 模块的做法、KV Cache 命中率优化、多轮对话的上下文压缩是同步还是异步、agent 线上部署规模与用户量、全链路可观测性用什么存储、整体效果评测怎么做。
微信小程序
手机上刷面经，随时随地
扫码 / 长按识别，免下载直接打开
或在微信 搜一搜「面灵面经」