pallavi-shekhar/ai-engineering-interview-questions-company-wise
一、一句话定位
一个按公司分类的AI工程面试真题库，覆盖35+前沿企业，附答案链接，面试者可直接对照查漏补缺。
二、核心技术/架构亮点
1. 按公司组织：从Anthropic到Waymo，每家公司独立章节，含角色、面试流程、专用问题。
2. 十大通用主题：LLM内部机制、推理与GPU性能、RAG、Agent、微调、评估、安全、多模态、系统设计、编码。
3. 高频考点提炼：如KV Cache推导、FlashAttention加速原理、RoPE位置插值、MoE架构、采样策略对比等，均附详细解答。
4. 答案持续更新：所有问题下方链接到Outcome School的博客或视频，可深度阅读。
5. 实用提示：强调“地图而非脚本”，面试因团队/级别/地区变化，引导读者先通读通用问题再聚焦目标公司。
三、适用场景与目标用户
- 正在备战AI Engineer、LLM Engineer、Applied Scientist等岗位的求职者。
- 想了解OpenAI、Meta、DeepSeek、NVIDIA等公司面试风格的人。
- 面试官或导师可借此快速梳理考查要点与行业趋势。
四、可动手动作
1. `git clone` 仓库到本地，按README目录分层阅读。
2. 先攻克“Common Questions”通用部分，锁定薄弱主题（如KV Cache）。
3. 针对心仪公司（如Anthropic）跳转对应章节，记录公司特有的系统设计题。
4. 参与贡献：若自己有面试经历或答案，可提PR补充未覆盖的题目。
5. 结合Outcome School的博客/视频深度理解每个答案，并动手实践（如用FlashAttention优化自己模型）。
五、学习优先级
P0（本周动手）
理由：当前AI岗位面试高度内卷，此项目直接命中高频考点，先掌握通用问题可快速覆盖多数公司，紧迫性最高。
六、主题标签
AI面试准备⌂