AI 岗面试题库:35 家公司真题都排好了

要投大模型应用、Agent 岗的，面经可以不用再到处翻了。有人把 35 家公司的 AI 工程师面试题按公司整理成了一个仓库，整个题库就是一个 150 KB 的 README，GitHub 1,909 星，Apache-2.0。省时间的不是题多，是它标清了哪些题全行业都在问、哪家公司真正在乎什么。github.com/pallavi-shekhar/ai-engineering-interview-questions-company-wise

先刷这 97 道

仓库最前面就把「多家公司都考过」的题单独抽出来了，119 道里 97 道标了被哪几家问过，公司章节里不再重复。这是它最实用的一处设计：不用自己比对哪些题重要。

出现次数最多的几道：KV cache 是什么、规模上去之后显存怎么算，8 家公司都问（OpenAI、xAI、Mistral、Amazon、Apple、NVIDIA、Together AI、Character.AI）；MoE 怎么在不增加 FLOPs 的前提下扩容量，6 家；prompting、RAG、微调三者怎么选，要求连带讲成本和延迟，6 家；连续批处理为什么取代了静态批处理、给几亿用户的聊天助手设计推理栈、千万文档加用户权限的企业 RAG、FP16 到 FP4 每一档精度会坏什么，各 5 家。

这几道看着基础，但都要求当场推公式或者给数字，不是背概念能过的。

10 类题，119 道

LLM 内部结构与架构 16 道、推理与 GPU 性能 15 道、RAG 与检索 12 道、Agent 与工具调用 12 道、微调与对齐 12 道、编程与数据结构 12 道、评估与可观测性 10 道、安全与权限 10 道、多模态与语音 10 道、AI 系统设计 10 道。

答案覆盖很不均匀：LLM 内部结构 16 道里有 15 道附了解答，微调对齐 12 道有 11 个答案；而评估与可观测性、AI 系统设计各 10 道只给了 4 个。想投 Agent 岗的注意，Agent 与工具调用那节 12 道只有 9 个答案，剩下三道得自己写。

233 处解答大多指向维护方自己的博客，讲法是往下推一遍而不是给结论——比如注意力里为什么要除 √d_k、KV cache 的压缩手段、RoPE 的数学，都是一篇一题。

35 家公司怎么排

分五档：前沿 AI 实验室 12 家、大厂 AI 部门 6 节、AI 基础设施 6 家、AI 产品公司 10 家、企业落地 1 家（Palantir）。

国内四家都在，而且问得一点都不含糊。DeepSeek 那节问 DeepSeekMoE 和 Mixtral 那种 top-2 MoE 差在哪、V3 的无辅助损失负载均衡用 bias 补了什么洞、多 token 预测为什么要训、R1-Zero 不做 SFT 直接上 RL 说明了什么、671B 规模做 FP8 训练到底哪里会崩。Kimi 那节直接问 K2 的 MLA 和 GQA 在压 KV cache 上差多少、1T 参数 32B 激活的 MoE 训练代价、Mooncake 为什么要把 prefill 和 decode 拆到两台机器上。智谱、通义也各有一节。

题量最多的是 Anthropic 37 道、OpenAI 31 道、Meta 26 道、Amazon 23 道、Google DeepMind 22 道，这五家加起来 139 道，占全仓两成多。

比题目更值钱的是流程

每家公司章节开头都有三行：覆盖哪些岗位、公开报道的面试轮次、以及该先补哪几类高频题。

Anthropic 的例子很具体：30 分钟招聘官电话（这一轮就会挂人）→ 70~90 分钟编程评估（一道题分四档渐进）→ 约 5 轮线上 onsite（项目深挖、一两轮编程、系统设计、价值观轮）→ 全程 3 周到 2 个月。部分 MLE 流程现在还加了「AI 协作轮」：给你一个 Claude，考的不是你写多快，是你会不会指挥它、验不验得动它的活。

DeepSeek 反过来，重心在研究和系统：论文深挖、PyTorch 从零实现、分布式训练与低精度、算法编程，各占一块。看完这段你就知道该刷论文还是刷题。

怎么用

三步。第一，先把 97 道跨公司题过一遍，这是通用门槛，占掉大半基础分。第二，进目标公司的章节看特色题，再对照它的面试流程反推要补哪块。第三，没答案的题自己写——233 处答案覆盖不到一半，写不出来就说明这块没真懂。

一句提醒：题库自己写了，题目来自公开面经，轮次和考点随团队、级别、地区变，把它当地图而不是剧本。

文中地址（复制到浏览器打开）

原文：https://ele.ac.cn/2524/
GitHub 仓库 · pallavi-shekhar/ai-engineering-interview-questions-company-wise：https://github.com/pallavi-shekhar/ai-engineering-interview-questions-company-wise
AI 从零开始详细教程：搞懂大模型、提示词和智能体，这一篇就够：https://ele.ac.cn/2429/
dsh-im：微信、Telegram 里直接喊 DeepSeek 干活：https://ele.ac.cn/2519/
个人 Agent 五家横评：Muse、Grok Bot、Spark、Cue、Dots：https://ele.ac.cn/2246/

公众号正文不支持外链，上面地址请复制使用；也可以扫码看原文，原文里的链接可以直接点。

扫码阅读原文 · ele.ac.cn