这一轮更偏大模型、量化和推理基础理解这场蚂蚁 AI Infra 三面，整体感觉和前两轮又不太一样。前两轮更多是在深挖我已经做过的项目，这一轮虽然也会问项目，但明显更关注我对大模型推理、量化、KV Cache、attention 这些基础问题到底理解到什么程度。开头还是先做自我介绍，我主要讲了自己现在在做的几个方向：一段偏工程化的软件开发经历，一段偏算子和图优化的实习经历，以及自己在做的一个基于 Python extension 的量化推理 runtime 小项目。这一轮项目部分问得相对直接。面试官先让我展开讲了自己做的那个量化推理 runtime。我这边讲的是，基于一个开源 runtime 做...

一开始还有一些小厂中厂找我，现在啥都没有了

这种实习能去吗？    

一面（技术面）面经相关自我介绍，介绍你最熟悉的项目，详细描述背景、流程、难点及解决方案用过哪些单片机？最常用哪些模块？开发板/芯片选型的依据是什么？（性能、空间、成本、迭代速度等）项目中用过哪些传感器通信协议？介绍SPI、IIC、UART的区别ADC用过几位的？采样率是多少？有跑操作系统还是裸机开发？用HAL库吗？谈谈对线程和进程的理解，通信方式有哪些？OSI七层模型，应用层的作用举例说明volatile关键字的作用static变量的作用域和生命周期C和C++的区别，结构体和类的区别虚函数了解多少？智能指针是什么？栈和堆的区别？volatile关键字的作用是什么？什么场景下必须用？static...