美团白菜好嫌弃！

面试这事儿： 面试官在 1-2 小时里做一件事——把你还原成一张“人才画像”，然后和岗位需要的画像做匹配。你看到的是：我问你项目、问你方案、问你观点、问你为什么。 我脑子里做的是：你的能力边界在哪、强项是什么、短板是什么、风险点在哪、成长性如何——你来了以后能不能交付、能不能扛事、是否值得信任。这篇文章想讲清两件事（站在面试官视角）：面试官到底在面什么：我们如何在 1-2 小时里，把你还原成一张“人才画像”（能力边界、擅长领域、风险点、成长性）。面试官怎么做判断：我们具体看哪些维度、怎么追问拿证据、最后怎么下“通过 / 不通过 / 人才库”的结论。一、你看不到但一定存在的东西：岗位画像很多候选...

可以的，大家知道我学历后，都说985的怎么也来干这个了

最近影石的秋招真是让我心潮起伏，虽然之前已经决定放弃，但影石的抬价让我又重新燃起了希望。所以，我决定分享一下我的面试经历，希望能帮到同样在准备秋招的小伙伴们。一面面经： 💪一面的面试官真是技术大咖，问题一个接一个，完全没有停下来的意思。以下是我被问到的一些问题：为什么选择MNN推理框架？有没有调研过其他的？模型从训练到端侧用MNN作推理的流程是什么？实习任务中，int8和半精度的性能提升明显吗？MNN的具体实现和优化策略是什么？双线性插值的4个点的权重如何分配？仿射变换用了什么NEON指令集，做了什么运算？ax+b用矢量去做加速，会用哪条指令？HWC和CHW以及NC4HW4的区别是什么？如果...