与「智谱」相关的搜索结果

这个开源项目系统整理了 35 家 AI 公司的 AI 工程师面试题，全部来自 “公开报告的面试经历” 来自 @outcome_school 团队 @pallavishekhar_ 开源发布，内容几乎涵盖了 OpenAI、Anthropic、DeepMind、xAI、DeepSeek、Kimi、GLM 等 AI Labs，Cursor、Cognition、ElevenLabs 等 AI Native 团队和 Nvidia、Microsoft、Amazon、Apple 等头部大厂。 覆盖的岗位头衔也非常多：AI Engineer、LLM Engineer、Gen AI Engineer、ML Engineer、Research Engineer、Applied Scientist、FDE、MLOps/LLMOps 工程师等。 开源地址： # 内容架构：一个精心设计的双层结构 第一层：跨公司通用题（Common Questions）。 作者把在多家公司反复出现的题目只列一次，标注"Asked at"哪些公司，按十大主题组织： 1. LLM 内部机制与架构 — attention 缩放因子、KV cache 内存公式推导、MQA/GQA/MLA、FlashAttention、BPE、RoPE/YaRN、Chinchilla scaling laws、MoE、解码采样策略、lost-in-the-middle、RMSNorm、SwiGLU 2. 推理、服务与 GPU 性能 — prefill vs decode、continuous batching、PagedAttention、投机解码、量化（FP16→FP4）、五种并行策略、TTFT/TPOT 指标、H100 上的 roofline 计算、vLLM/SGLang/TensorRT-LLM 选型、“如何把服务成本降 10 倍” 3. RAG 与检索 — 分块策略、BM25 vs 稠密检索、重排序器、HyDE、权限感知检索、ANN 索引、索引新鲜度、答案归因 4. Agent 与工具调用 — ReAct、MCP、工具 schema 设计、多智能体编排、Agent 记忆、循环终止条件、人类审批 5. 微调与对齐 — RLHF/DPO/GRPO/RLVR 全谱系、LoRA/QLoRA 数学、灾难性遗忘、“提示 vs RAG vs 微调”决策框架、蒸馏、reward hacking 6. 评估与可观测性 — LLM-as-judge 及其偏差、幻觉检测、基准污染、Agent 评估、回归门禁 7. 安全与负责任 AI — 提示注入（直接/间接）、OWASP LLM Top 10、护栏、Constitutional AI、红队 8. 多模态与语音 — VLM、语音 Agent 延迟预算、barge-in 打断处理、级联 vs 端到端语音、ASR/TTS 评估 9. AI 系统设计 — 十类高频设计题（千万级文档企业 RAG、代码助手、客服 Agent、Text-to-SQL、LLM 网关、数亿用户聊天服务等） 10. 编码题 — 从零实现 attention、KV cache、BPE、采样；LRU 缓存、令牌桶限流器、异步批处理器、SSE 流解析器、最小 Agent 循环 第二层：35 家公司的专属章节，分为五大梯队： 1. 前沿实验室（12 家）：Anthropic、OpenAI、Google DeepMind、Meta、xAI、Mistral、Cohere、DeepSeek、月之暗面（Kimi）、智谱（GLM）、阿里（Qwen）、Sarvam AI（印度） 2. 大厂 AI 组织：Microsoft、Amazon、Apple、NVIDIA、Tesla，以及一组消费级 ML 公司（Uber/Netflix/LinkedIn/Airbnb/Pinterest/Spotify） 3. AI 基础设施公司：Databricks、Groq、Together AI、Hugging Face、Scale AI、Perplexity 4. AI 原生产品公司：Cursor、Cognition（Devin）、Sierra、Harvey（法律）、Glean、 AI（机器人）、Waymo 5. 前向部署/企业 AI：Palantir # 题目分布透露的行业信号同样值得关注 1. 公司的差异化考察方向，和它的商业模式严丝合缝。 这是最能体现整理功力的地方： · DeepSeek、月之暗面、智谱、Qwen 的题目深度绑定自家论文——MLA、auxiliary-loss-free 负载均衡、Multi-Token Prediction、MuonClip、DualPipe、长上下文扩展、GLM 的 thinking 模式。面试这些公司等于面试它们的论文，还要求 PyTorch 从零实现 MoE 路由。 · Groq 的题全是 SRAM-only 架构下的 roofline 重推演：“没有 HBM，decode 的 roofline 论证哪里变了”、“确定性在 p99 层面到底买到什么”。 · Apple 清一色端侧：3B 模型在手机上跑、PTQ vs QAT、不采集用户内容的前提下用设备信号改进模型、30+ 语言区无法记录用户内容的评估方案。 · CharacterAI 是推理经济学：“我们的服务成本被 KV cache 而非权重主导，降一个数量级，代价是什么”。 · Harvey（法律）和 Abridge（医疗） 考的是领域约束下的工程：200 页信贷协议里第 140 页的条款依赖第 8 页的定义术语怎么检索、生成的病历中出现了患者没提过的药怎么当作安全事故处理、PHI 如何约束整个架构。 · Palantir 的招牌是 "decomposition" 轮：把“一家货运铁路公司每年因机车非计划停机损失数千万”分解成工程计划。 2. 编码轮的形态正在发生实质性变化。 文档里反复出现的一类题，与传统 LeetCode 明显不同： · “实现一个内存 KV 存储：先 SET/GET/DELETE，再加事务 BEGIN/COMMIT/ROLLBACK，包括嵌套事务”（OpenAI、xAI 都问） · “给你一个 LLM 推理引擎的调度器类，其中一个方法是空壳，没有规格没有文档。说说你头三十分钟干什么”（xAI） “重构这 120 行能跑但很乱的代码，不许破坏测试”（OpenAI） · “对 5 万个文档跑 LLM 调用，API 限 100 并发、偶发 429 和超时，把 Python 写出来”（Anthropic） 考察重心从算法记忆转向增量需求下的代码演进能力、并发正确性、真实工程约束下的取舍。 3. “AI 协作轮”作为新题型已经进入正式面试流程。 这是文档里最前沿的信号： · Anthropic 部分机器学习岗有 AI-collaboration 轮：现场给你 Claude，考察的是你如何指挥它和验证它的产出，而不是你自己写。 · Meta 2026 年的流程新增三阶段 AI 辅助编码轮（探索修复 → 实现新功能 → 扩展改进）。 · Cursor 的 onsite 是两天在真实 Cursor 代码库上做一个功能（或 8 小时远程版），明确考核你对 AI 工具的使用效率和自主 scoping 能力。 · Sierra 给你两小时和任意 AI 工具，看你选择做什么。 xAI 有四小时限时产品构建。 4. FDE 成为一级岗位类别。 Anthropic、OpenAI、Databricks、Scale、Together、Sierra、Harvey、ElevenLabs、Palantir 的章节里都有 "Applied and Forward-Deployed Scenarios" 专属题库——典型题目如“企业客户说 Claude 幻觉太多，你是驻场工程师，头 48 小时做什么”。这对应了 AI 公司向企业交付方式的转变：模型能力差距收窄后，落地能力成为差异化。 5. 硬核系统题的普及。 "H100 上 70B 模型 batch size 1 的 roofline 计算"、"估算 70B 模型的 GPU 显存（权重 + KV cache + 激活 + 碎片）"、"p99 延迟在部署后翻倍但模型没变，走一遍诊断”——这类题横跨 NVIDIA、Together、OpenAI、Perplexity 等多家，说明推理性能的量化直觉已成为 AI 工程师的通用素养，而非基础设施工程师的专属。

大环境不行，工作不好找？ 字节、腾讯、阿里核心方向的博士实习生日薪可达5000-6000元 2026年1-7月，AI岗位平均月薪63160元。 智谱，薪酬月平均数为338.6万元，超过腾讯的104.3万元。 但 TM 做到博士还是这些超级大厂有几个人啊 就算能拿到 6 万又怎么样？ 一天到晚累得要死，平均年龄不超过 50 岁就跟死了没区别 还平均数都来了，人家老板一个月赚几亿你平均来算你麻痹啊

智谱是清华背景，公司在五道口 它旁边挨着的就是CERNET（赛尔网络），也就是教育网 甚至连员工都没法蹭token玩 ZCode舆情管控做得差劲 阴阳版本，开源版还少了闭源版本的一些功能 颐使气指的学术环境，个个都是懂王 讨好导师和学长学姐，巩固自己地位 不知道它们为什么还不把开源版撤下来，最后等来的就是网信办的约谈，不过特殊公司特殊处理 毕竟有特权

Anthropic发布了最新威胁情报报告，里面细数了中国的“五宗罪”。 看完就想知道，达里奥到底在百度受了什么酷刑啊？这滔滔不绝的恨意😂 首先，是中国利用Claude攻击外国政府和企业网络。 一批可能位于长沙的中文操作者，用它寻找漏洞，开发恶意软件，涉及大约50个组织。 其次，是利用Claude监控海外人士，整理他们的信息，关系和活动，部分行动还尝试接触和发展消息来源。 第三，是把Claude用于维稳和舆情工作，分析境内外新闻，追踪敏感事件，再生成舆情简报和行动信息。 第四，是用Claude参与军事研究，包括编写反鱼雷方案，开发电子战和防空压制软件。 其中一套模拟系统，把台湾的12个军事目标设成了默认场景。 最后，是中国AI公司大规模蒸馏Claude。 阿里，Moonshot，DeepSeek，智谱，小米，MiniMax和商汤都被点名。 阿里被指控三个月超过1.51亿次交互，峰值一天接近300万次。 Moonshot和DeepSeek还被说把部分用户的问题转给Claude，再将Claude的答案交回用户。

Anthropic指控多家中国AI公司大规模蒸馏Claude，拿Claude的回答训练自己的模型。 被点名的包括阿里巴巴，Moonshot AI，DeepSeek，智谱，小米，MiniMax和商汤。 这些公司通过大量虚假账号和代理服务反复调用Claude，收集它的回答和推理过程，再整理成训练数据，用来提升自家模型。 其中阿里规模最大。 Anthropic称，阿里在2026年5月至7月与Claude进行了超过1.51亿次交互，峰值每天接近300万次。 Moonshot超过2300万次，DeepSeek在14天内超过1210万次，智谱超过340万次，小米超过40万次。 Anthropic还指控Moonshot和DeepSeek把部分用户请求直接转给Claude，再把Claude的答案返回给用户。 用户以为自己在使用Kimi或DeepSeek，实际请求已经进入Anthropic的系统，部分对话和推理记录随后又被拿去训练模型。

Anthropic指控多家中国AI公司大规模蒸馏Claude，拿Claude的回答训练自己的模型。 被点名的包括阿里巴巴，Moonshot AI，DeepSeek，智谱，小米，MiniMax和商汤。 这些公司通过大量虚假账号和代理服务反复调用Claude，收集它的回答和推理过程，再整理成训练数据，用来提升自家模型。 其中阿里规模最大。 Anthropic称，阿里在2026年5月至7月与Claude进行了超过1.51亿次交互，峰值每天接近300万次。 Moonshot超过2300万次，DeepSeek在14天内超过1210万次，智谱超过340万次，小米超过40万次。 Anthropic还指控Moonshot和DeepSeek把部分用户请求直接转给Claude，再把Claude的答案返回给用户。 用户以为自己在使用Kimi或DeepSeek，实际请求已经进入Anthropic的系统，部分对话和推理记录随后又被拿去训练模型。

凤凰网科技独家对话孙宇晨，小编把核心信息整理了一下： 一、这篇小作文怎么来的？ 6000字长文，花了十几个小时，连续两个凌晨写完，几乎没睡。 人在不丹，有时差，白天处理公务，只有凌晨没人找他的时候才能写。 发布前通知了团队，团队明确表达担忧，一个科技创业者第一次霸榜娱乐热搜，合作伙伴会不会动摇？孙宇晨的回应是：“我也不是个机器嘛，我也是一个人，我也不是纯AI。”团队最终选择容忍。 二、他和Claude到底怎么了？ 这可能是整个采访里最有意思的部分。 孙宇晨日常对AI的态度是"无条件信任"。他的公司每天上百万、上千万美元的决策已经交由AI自动执行，审计、审核全部由AI处理。他曾公开写文章主张"一定要听AI的，100%"。 但这次，他和Claude产生了第一次分歧。 他在发布前把文章发给Claude看。Claude的反应是"有点不高兴"，Claude认为，孙宇晨的感情问题跟它做出的决策没有关系，意思很明确：不帮你背这个锅。 孙宇晨没有采纳Claude的建议，坚持发布。 他在采访中坦承，这是他人生中第一次对AI的决策产生质疑。原话是：“我也不知道Claude说的到底是对还是不对，我其实也很迷茫。” 三、为什么在起诉的同时还要公开发文 诉讼和发文是两条线。诉讼部分已交给律师处理，聚焦于要求返还彩礼。但孙宇晨给了一个颇为耐人寻味的理由：这场诉讼，可能是他和景甜之间"唯一剩下的联系"。 发文则被他定义为"一次求解的过程"。他说自己内心有感受想表达，光想这件事对他消耗就很大，写下来是为了把纠结和不明白都记录下来。 四、文章的真实性 他承认文章中标注了"虚构"，理由是无法保证每一个细节都100%准确。但他强调："至少我自己怎么想的，我是怎么说的，这一点是100%确认的。"同时也没有粉饰对错，"包括我的一些纠结"。 目前所有信息均为孙宇晨单方陈述，景甜方面尚未对细节逐一回应。 五、他的AI工具使用习惯 日常高频使用Claude Code写代码、检查公司代码和各种内部事务。公司也大量使用Codex。此外自家做了AI综合服务平台 记者问他："有人好奇你如果问豆包会是什么结果。" 他说："我没问过豆包。说不定问豆包是另外一个结果。" 六、经历此事后，还会100%听AI吗？ 他的回答很微妙。一方面仍然主张要听AI，另一方面承认"这次可能是我人生中第一次对AI的决策产生一点质疑"。

看到智谱发布的 GLM-5.3 Flash 跑在10万张国产芯片集群上，好奇是什么芯片就去搜了一下。 最有可能的是华为昇腾 910C、摩尔线程MTT S5000……我去瞅瞅实物长啥样，结果搜索到都是效果图。 国外模型英伟达的GB300、H100 / H200 SXM、DGX B200 / B300都能收到实物图，有渠道的还能买到。 有看到全网哪个兄弟买到国产芯片本地跑大模型的吗？

GLM Coding Plan 免费领7天体验卡，每天 10000 张，拿走不谢！ 纯手工，无添加的海报，来自 智谱全体员工（没日没夜版） - 转自一位智谱的朋友

8月底最佳中国 AI 公司是哪家？国内 AI 这四家公司都挺有看头 阿里胜在综合实力，通义千问、阿里云、算力和应用生态都比较完整，商业化能力也更成熟 MiniMax这两年发展很快，模型能力和海外产品都做得不错，尤其在多模态和 AI 应用方向比较有存在感 Moonshot（月之暗面）靠 Kimi 打出了很高的知名度，长文本和 AI 助手是它比较鲜明的标签，产品端的用户认知也很强 如果单看现阶段，我还是更看好阿里的综合实力；如果看成长空间，MiniMax 和 Moonshot 也值得继续关注 有自己判断的兄弟也可以去 @predictdotfun 看看，选出你心里的中国 AI 第一名 #预测市场# #predictdotfun#