duoan/TorchCode

解决的问题

TorchCode 为 ML 工程师提供了一个结构化的环境，用于从零开始练习实现核心 PyTorch 操作符和架构。它针对顶级 AI 公司 ML 编码面试所需的特定技术能力，这些面试中候选人经常被要求在不使用高级库的情况下实现 softmax 或 Transformer 块等组件。

如何工作

该平台提供 41 个精心挑选的问题，涵盖从基本激活函数到复杂注意力机制的范围。它采用基于 Jupyter 的系统（或独立的 Next.js/FastAPI Web UI），集成自动判题系统，可即时提供正确性、梯度验证和运行时间的反馈。用户可通过 Docker、本地运行，或通过 Hugging Face Spaces 和 Google Colab 立即启动环境。

适用人群

准备 Meta、Google DeepMind、OpenAI 等公司技术面试的 ML 工程师和候选人，他们需要超越阅读论文，能够编写生产级别的张量代码。

主要亮点

• 精选题库：41 个问题，涵盖基础（ReLU、LayerNorm）、注意力机制（Multi-Head、GQA、Flash Attention）和架构（LoRA、ViT）。
• 自动判题：提供即时通过/失败反馈、梯度检查和运行时间指标。
• 灵活部署：支持一键 Colab 访问、Docker 容器和全栈 Web 界面。
• 学习辅助：为卡住的用户提供提示，并提供参考解答以学习最优实现方式。