ARIS-in-AI-Offer：面向 AI 秋招面试的中英双语 ML/LLM 面试速查表合集

核心能力与快速开始

★ 6 · Python

能做什么

提供 AI/ML 相关面试准备的速查表合集，覆盖：Attention、RLHF 与 KL 散度、RLHF/DPO/GRPO/PPO、推理模型（o1/R1/测试时计算/PRM）、LLM 在线策略蒸馏、MoE、长上下文（RoPE/YaRN/NTK/MLA/StreamingLLM）、KV Cache 与投机解码、量化（GPTQ/AWQ/FP8/NVFP4/SmoothQuant）、分布式训练（DDP/FSDP2/ZeRO/TP/PP/EP/SP）、Flow Matching、Diffusion 基础（DDPM/Score/DDIM/EDM/CFG）、VAE/VQ-VAE/VQ-GAN/FSQ、图像与视频/3D 生成系统、扩散后训练与蒸馏、VLM、Agent 基础与 Agentic RL、多智能体与自进化 Agent 等主题。每份速查表含公式推导、从零实现的 PyTorch 代码与 25 道分层面试题（L1/L2/L3）。内容以中英双语 HTML 与 Markdown 形式提供，HTML 支持公式渲染、代码高亮、响应式布局与离线阅读。另含把简历转成带事实核查的学术主页的 ARIS-Homepage 流程。

适用场景

适合准备 AI 方向校招（秋招）或相关技术面试的候选人系统性复习与刷题；适合需要按主题查阅 LLM、扩散模型、多模态、Agent 等领域公式推导与参考 PyTorch 实现的学习者；也可用于把个人简历整理为学术主页。

项目形态

资料合集

部署方式

速查表以单文件 HTML 形式提供，可下载后离线阅读，无需后端；具体托管与生成流程依赖 ARIS 框架，材料未说明完整部署条件。

主要依赖

阅读 HTML 只需浏览器；材料提到内容由 ARIS（Auto Research in Sleep）的 /interview-cheatsheet 与 /render-html 工作流生成，涉及多模型（Claude、GPT-5.5 xhigh、Gemini）与多种平台（Claude Code、Codex CLI、Cursor、Trae、Antigravity、GitHub Copilot CLI、OpenClaw），但未说明运行所需的具体硬件、API 成本或账号条件。

使用限制

仓库自述内容为 ARIS 工作流自动生成，材料未说明其准确性/时效性的独立验证范围；材料中的介绍性指标（如 star 数、HF Daily #1 等）为其自述，未在本材料中核实；未说明 API 成本和具体使用限制。

许可证

MIT

最近推送

2026-09-18 14:58

资料检查：2026-09-19 07:00 · 卡片整理：2026-09-19 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

程序员可用该仓库的中英双语 ML/LLM/多模态/扩散模型/Agent 面试速查表复习高频面试题，速查表包含公式推导、从零实现的 PyTorch 代码以及按 L1/L2/L3 分层的高频面试题，并可通过单文件 HTML 离线阅读。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

HR

HR 可参考该仓库的 AI 面试速查表与分层面试题，用于准备 AI 相关岗位的面试提问和候选人技术考察。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证