2024科大讯飞春招补录

一般情况下，我们聊到“大模型的量化”，想到的大概率是“把FP16转成INT8或INT4，从而降低显存、加速推理”。其实我觉得工程上没毛病，因为很少有人会去探索啥玩意是量化，但你要是放在算法岗的面试上，这样通常是不够的。面试官往往会继续追问：精度明明降低了，模型为什么还能正常工作？什么时候量化会失效？如果这时答不上来，基本就已经失分了。（我的答案放在文末）要把这个问题讲透，可以换一种更有层次的表达方式，从“是什么”到“为什么”，再到“什么时候不行”和“怎么选方案”，逐步展开。首先，从本质上看，量化并不复杂，它做的事情就是用更少的比特去近似表达原本的高精度参数。原本一个FP16权重用16bit表示...

是简历有什么问题吗，求大佬指点要玉玉了

😢 飞书电话会议。我真的搞不懂，那些问题我基本上都回答出来了，咋回事呢。

从我和身边朋友了解的情况来看，可以明确的是：纯背概念的“八股”时代已过去。​ 但“八股”以另一种形式存在，分为 “考古派”​ 和 “应用派”。“考古派”公司： 特征：传统金融、通信、硬件公司，及部分转型慢的互联网中厂。 问法：“TCP和UDP的区别是什么？”“说一下虚拟内存机制。” 基本是教科书原题。 底层逻辑：考察知识体系完整性和你的基础扎实程度，认为这是潜力的体现。对这些公司，快速过一遍经典“八股”仍必要。 “应用派”公司（主流）： 特征：一线互联网、AI原生公司、技术驱动的外企。 问法：“我们的产品在高并发下出现了XX问题，你觉得可能和TCP的哪些机制有关？”“为了优化我们KV存储的性能...