🎛️ 模型训练与推理工程师
从架构原理走到吞吐与部署。
📌 进入本路线后，左侧导航与「上一题/下一题」将只覆盖这条路线的专题；点顶部「全部专题」可随时切回全库模式。
学习路径
共 5 步，建议按顺序推进：
- 🏗️ Transformer架构与注意力机制面试题 · 27 道题 —— 打基础 —— 建立这个岗位的基本概念盘，开场必问的部分
- 🎓 大模型微调与训练面试题 · 21 道题 —— 核心战场 —— 本方向最高频的考题聚集地
- ⚡ LLM 推理优化面试题 · 16 道题 —— 进阶深化 —— 答出深度才能和其他候选人拉开差距
- 🔥 大模型推理框架面试题（vLLM / SGLang / TensorRT-LLM） · 28 道题 —— 横向拓展 —— 补齐相邻能力，从容应对交叉提问
- 🔥 AI 应用开发进阶面试题 · 21 道题 —— 生产化收尾 —— 讲清上线、监控与成本，证明工程成熟度
预计刷题量
这条路线覆盖 5 个专题，合计 约 113 道面试真题（各专题题数之和）。时间紧张的话，优先刷各专题目录中带 ⭐ 标记的「面试高频优先题」。
适合谁选这条路
- 运维 / SRE：GPU 集群管理、服务化与监控经验直接复用，向 vLLM 部署调优延伸
- C++ / 系统工程师：推理框架（vLLM、TensorRT-LLM）内核优化方向的人才长期稀缺
- 算法背景转工程：微调方法你都懂，缺的是训练工程化与推理服务的落地视角
想系统评估自己的转行路径？看零基础转行 AI 学习路线或全部转行指南。