本文分享了阿里大模型算法工程师的社招面试经验，包括自我介绍、项目细节与技术提问，重点涵盖self-attention、MoE、DeepSeek-MTP、大模型推理性能指标及VLLM优化技术等。文章还提供了大模型学习和面试的完整资料，以及从Latency、Throughput、并发量等角度的性能优化手段，并强调了框架、算法、算子三个方向的优化策略。最后，介绍了AI大模型的七阶段学习路线和丰富的学习资源，适合想要入门大模型的程序员收藏学习。

---

今天分享的是阿里的大模型算法工程师社招面经。

背景：211硕，5年，面着面着hc没了…后面被别的组又捞起来了

自我介绍——5min

项目相关细节提问——10min

项目相关技术提问——20min * 2

（与之前的面经贴中重复的技术问题不在展示）

1. 讲讲self-attention。（这是最高频的基础问题，既可以从结构来说，也可以从代码来说，就最普通的MHA即可）
2. 讲讲对MoE的理解。
3. DeepSeek-MTP是用在训练阶段还是推理阶段的，具体过程是怎样的？（论文里是用在训练的，不过现在推理中也用的很多了，都可以说）
4. 常见的衡量大模型推理性能的指标都有哪些？
5. 都知道哪些vllm的优化技术？（这也是个高频问题，把你知道的vllm中所有的算法，框架优化技术都讲，千万不要只说page attention，这个问题你答的时间比较长的话，技术部分基本就结束了，直接手撕代码了）
6. 针对真实推理场景，你都能想到哪些性能优化手段？（这种也是比较综合的问题，比较考察你对推理场景的理解）

前面已经提问了性能指标和vllm了，其实这里就可以结合前面的思路再做一些总结（重复的可以简单简述）和补充（前面遗漏的）。

不要东一嘴西一句，如果你能从整体逻辑上先分析优化点，然后再详细展开一些优化的技术，那么将是非常加分的。我提供几个方向供大家参考：

从latency这个方面来思考：

• TTFT：说到延迟，最重要的一定是首字延迟，这个指标最影响用户体验，比如TP

• mean latancy：比如针对PP中存在的大量bubble，采用chunked prefill，比如prefix caching

  …

从throughput这个方面来思考：

• 比如continuous batching
• 比如量化

…

从并发量这个方面来思考：

• 比如使用MLA来减小所需显存

• 比如使用3d并行

  …

当然了，上面提到的很多技术都是可以同时优化很多指标的。

你也可以从框架，算法，算子这3个方向去回答。这样既能展现你对技术的理解，也能衬托你对推理场景的理解。

手撕算法：二叉树的先序遍历板子题目，阿里不是太注重手撕代码，不像字节。

如何系统的学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

01.大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K（数据来源：BOSS直聘报告）

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

02.大模型 AI 学习和面试资料

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】