题目重点：对应 Nvidia 面经明确的 hardest problem 提问，组织难点、验证假设、合作、取舍与最终证据，不把训练案例当个人经历。
题意与假设
这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。
- 只用本人真实经历和可披露数据；训练情境不是题目描述的回答。
- 难点不等同于项目体量，应说明为什么既有方法不奏效，以及自己承担的关键判断。
解题路线
- 先定义目标、失败代价和最难的约束，说明当时未知什么。
- 按时间线讲如何拆小问题、收集证据、排除错误假设、何时请人协作、为什么选最终方案。
- 给出结果验证和残留风险，若没有完全解决也说清止损与后续计划。
手动走一遍
训练模板：多节点训练随机卡住，候选人先按节点/GPU/数据 batch 分层定位，复现后发现一次同步等待造成死锁，再加超时与可观测性。真实面试必须换成自己的事件和证据。
规模与取舍
行为题没有统一 Big-O；若讲性能问题，准备好实际规模、测量方法与替代方案成本。主线保持约 2 分钟，深挖另备。
易错点与追问
容易失分的边界
- 只说问题复杂，没有诊断过程。
- 把他人的方案当自己主导。
- 只讲成功结果，无法解释当时被否掉的方案。
- 用未核实的改进百分比。
继续深挖
- 最初判断错在哪里？
- 哪些信号让你决定求助？
- 如果重做会更早做什么？
