实习生当社招面，所有人全疯了这次加粗的不是答不出来的，是答案缺乏深度的，不是实习生哪来的深度自我介绍为什么选择前端有没有接触过其他方向（写过一丢丢服务端）用过哪些 AI 工具（说了平常用 AI 的用途，之前构想的单人异步工作流从输入提示词到 AI 产出结果发生了什么（？？？先是想说 ReAct、Plan and execute 之类的，告诉我别说这些，就说 agent 做了什么）你对提示词如何规范 AI 产出的理解，它到底做了些什么（只能说说列计划啊工具调用啊之类的）怎么理解 harness engineering，有没有实践过（说了一下 skill 之类的，然后确认与 ai 的需求文档）手撕...

灵神太强了，写力扣没这么爽过

对不住了bro哈哈哈哈哈

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...