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...

简历被挂麻了，投了20+只有两个面试，其他全是简历挂，这是我修改后的简历，请帮忙看看有啥问题#简历被挂麻了，求建议#

做分布式RocksDB的组，4.30号的时候同学跟我说已经看不到“分布式kv”这个岗了，也许是因为基架岗缺口不大吧，这就是我们的基架呀！真是基基又架架呀！4.24 一面面试官比较和蔼诶那个LSMKV是不是你们大二下的课程设计呀？是的常规介绍：键值分离的内存层和持久层，内存层跳表；布隆过滤器筛除真阴性，漏掉假阳性；Compaction的实现和GC简单介绍问：键值分离的GC如何实现？常规介绍，查找前面的(key, v_offset, value)的key是否是最新的（通过v_offset是否是当前体系中最新的记录），如果是重新插入，否则忽略；然后解释了一下fallocate(PUNCH_HOLE)...