附录 C · 面试前自查清单

• [ ] 能用一句话说清四层框架，并各举 2–3 个技术
• [ ] 能画图解释 Prefill / Decode 的区别与各自瓶颈
• [ ] 能默写 KV Cache 大小公式并举例
• [ ] 能说清 FlashAttention 省的是 IO 不是 FLOPs
• [ ] 能说清 PagedAttention 解决的碎片问题与 Block Table 机制
• [ ] 能解释 CUDA Graph 的收益与代价（静态形状、额外显存）
• [ ] 能说出 Continuous Batching / Chunked Prefill / Prefix Cache 各自解决什么、代价是什么
• [ ] 能对比 GPTQ / AWQ / SmoothQuant / FP8
• [ ] 能对比 MHA / GQA / MQA / MLA 的 KV Cache 与质量
• [ ] 能说清 MoE 省计算不省显存，以及 All-to-All 通信难点
• [ ] 能说出投机解码五类 Draft 来源与统一流程
• [ ] 能解释 PD 分离的动机与代价
• [ ] 能说出 TP / PP / EP 的通信模式与适用场景
• [ ] 能说明 GPU/NPU 软件栈、版本配套与 CUDA Kernel 迁移路径
• [ ] 能用 reference 和中间张量找到模型精度的第一处分歧
• [ ] 能分别解释跑不起来、结果错、性能差、偶发故障的定位步骤
• [ ] 能对比 DSA、CSA/HCA、CSA2 与 CED 分别减少哪项计算或缓存，并说出索引器与 Replay 的代价
• [ ] 能拿出功能、精度、性能、稳定性与 Shape 覆盖的适配验收证据
• [ ] 对每个技术都能主动说出「收益 + 代价 + 适用边界」

最后一句：面试时最好的状态不是「我知道很多技术」，而是「我能把问题定位到瓶颈，再选技术，并说清代价与边界」。这份文档的所有表格与配图，本质都是在训练这套判断力。