pallavi-shekhar/ai-engineering-interview-questions-company-wise

它是什么 一个免费、开放、可搜索的真实AI工程面试题集合，这些题目来自35家公司的公开面试经验。它按公司组织，每个问题下方只要有答案就会链接。README强调其中没有任何机密内容，并且面试流程不断变化——所以它是一张显示每家公司倾向于关注什么的图，而不是你会被问到什么的脚本。

里面有什么

• 来自35家公司的真实问题，分为五类：
  • 前沿AI实验室 — Anthropic、OpenAI、Google DeepMind、Meta、xAI、Mistral、Cohere、DeepSeek、Moonshot、Zhipu、Alibaba、Sarvam
  • 大型科技公司AI组织 — Microsoft、Amazon/AWS、Apple、NVIDIA、Tesla，以及消费级规模ML公司（Uber、Netflix、LinkedIn、Airbnb、Pinterest、Spotify）
  • AI基础设施和平台公司 — Databricks、Groq、Together AI、Hugging Face、Scale AI、Perplexity
  • AI原生产品公司 — Cursor、Cognition、Sierra、Harvey、Glean、Character.AI、ElevenLabs、Abridge、Figure AI、Waymo
  • 前沿部署和企业AI — Palantir
• 一个常见问题部分，用于许多公司反复出现的问题。每个问题只列出一次，并附上提出该问题的公司，这样在公司部分就不会重复。这些问题按主题分组：LLM内部和架构；推理、服务和GPU性能；RAG和检索；代理和工具使用；微调/后训练/对齐；评估和可观测性；安全和负责任AI；多模态/语音；AI系统设计；以及编码/数据结构。
• 每个公司的部分涵盖其招聘的职位、公开报道的面试流程，以及按主题分组的公司特定问题。
• 可用的答案链接（许多指向Outcome School自己的博客文章和视频——例如，关于KV缓存、FlashAttention、连续批处理、PagedAttention、RAG、代理）。

适合谁 任何面试AI相关职位的人。README列出了约15个有帮助的职位名称，包括AI工程师、生成式AI工程师、LLM工程师、代理式AI工程师、机器学习工程师、应用科学家、前沿部署工程师、MLOps/LLMOps工程师、AI平台工程师和AI解决方案架构师。

如何使用（根据README）

1. 从跨公司常见问题开始——这些到处都会出现。
2. 然后转到你目标公司的部分。
3. 答案链接在问题正下方，只要有；更多答案会随时间添加。

谁维护它 Outcome School，一个教育团体，提供AI/ML课程，并在YouTube、X/Twitter、LinkedIn和GitHub上有内容。README还指向一个按主题分类的配套仓库：amitshekhariitbhu/ai-engineering-interview-questions。

它刻意不做什么

• 它不保证每个问题都有答案（答案链接“在我们有的地方”）。
• 它不声称详尽或最新——面试因团队、级别和地区而异，维护者表示他们会持续更新列表。