这个简历，有没有提点建议的，感觉人工智能搞算法都得要个研!害!年前有个深圳小公司的跨境电商没去，做ai转型的，应该也是搞开发

自我介绍：包括个人背景、大学/实习经历，以及 AI 大模型工具如何融入你的学习和实践。追问：AI 工具具体带来了哪些帮助或变化？快速排序算法的基本原理追问：如何选择基准值（Pivot），对性能有何影响？追问：在什么情况下快速排序不是最佳选择？Java 集合框架中 List、Set、Map 的底层实现原理及选择策略追问：ArrayList 扩容机制具体如何实现，何时触发扩容？追问：什么场景下选 ArrayList 比 LinkedList 更合适？数据库与缓存一致性保障的常用策略追问：延迟双删策略在高并发场景下有哪些潜在风险？追问：延迟双删适合什么场景？有没有其他更好的策略？设计一个基本的网络爬...

一天四个面试，真是精疲力尽

1、自我介绍2、训练和推理的并行策略大模型训练和推理常见的并行策略主要有数据并行、张量并行、流水线并行和专家并行。数据并行是每张卡放一份完整模型，不同卡处理不同 batch，然后通过 All-Reduce 同步梯度。它实现简单，但模型太大时单卡放不下。张量并行是把同一层的权重按列或者按行切到多张卡上，每张卡只算一部分，再做通信聚合，适合单层参数特别大的场景。流水线并行是把不同层分配到不同 GPU 上，让不同 micro-batch 像流水线一样流动，能解决单卡放不下完整模型的问题，但会有流水线气泡。专家并行主要出现在 MoE 结构里，不同 token 路由到不同专家，参数量可以很大，但每次只激...