投了 inference optimization team 的 senior ML infra。总共 6 轮，持续 3.5 周。
recruiter screen：标准 30 分钟，主要对齐 comp 和为什么 NVIDIA。挺顺的。
phone tech：比预期重。90 分钟，两位面试官，一道 LC（图遍历，中等偏中等）然后一堆 CUDA memory hierarchy 的问题。是真问题：global memory 和 shared memory 有什么区别，warp divergence 会发生什么，怎么 profile 一个 CUDA kernel。我不是 CUDA 专家，所以我就坦诚自己哪里有缺口，同时把推理过程讲清楚。他们看起来也能接受。
virtual onsite：5 场 45 分钟连着。 coding：又两道 LC，一道 tree，一道 DP。不变态，但你得快。 system design：设计一个用于大语言模型的 serving system，50k QPS。聊了 batching 策略、KV cache 管理、GPU 间负载均衡。这轮最有意思。 ML depth：transformer 内部机制、量化的 tradeoff、从 training infra 视角讲 RLHF。 cross-functional：一个 PM 和一个 TPM。behavioral + 你怎么跟“语言不通”的人合作。 hiring manager：45 分钟，深挖过往项目，你真正 owner 了什么， vs 只是参与了什么。
整体：他们要能下钻、而且有真实观点的人。如果你对某个东西怎么工作讲得很虚，他们会发现。我拿到了 L5 的 offer，base 在 Santa Clara。