一面： 1、实习拷打（8min） 2、谈谈研究方向 3、谈谈图数据库和知识图谱的关系 4、谈谈图数据库和关系型数据库的区别 5、什么样场景适合用图数据库 6、例如推荐系统的场景用图数据库来存储，如何支持对推荐算法做支持？ 7、图数据库是否对 BFS、DFS、找节点之间最短路等有支持？ 8、迪杰斯特拉算法的过程 9、知不知道 A* 算法？它优化了迪杰斯特拉的什么问题？ 10、自己开发用的什么 JDK 版本？了解哪些不同 JDK 版本的新特性？ 11、谈谈 JDK25 有些什么新特性？ 12、平时用大模型来干什么？ 13、GraphRAG 底层是如何去构建出实体以及实体之间的关系的？ 14、如何设...

🤤

就差快手了，hr你给力点行不行？？

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...