666 蚂蚁工程开发岗笔试编程题 ak 了

1.逐一拷打问项目(大概面试的一半时间)2.http和https的区别3.http1.0和2.0的区3.mysql隔离级别4.InnoDB的默认隔离级别5.Redis的数据结构有哪6.如何解决慢查询7.介绍一下你常用的ai工具和大模型 为什么要用这些8.算法:实现LRUcache缓存后续:秒过

1. 实习拷打2. AI Coding 的笔试如果只是人工造 case 去测，你觉得它离生产可交付还差什么人工造 case 只能验证“在已知分布上能不能过样例”，离生产可交付还差三层。第一层是任务边界，要明确输入约束、输出格式、失败语义和回滚策略，不然模型生成的内容没法进入真实工作流。第二层是稳定性，要知道不同仓库规模、不同语言、不同依赖环境下性能会不会抖。第三层是验收能力，必须补静态检查、单测、sandbox 执行、diff 审核和回归评估。没有这些，AI Coding 最多是演示能力，不是工程能力。 def validate_patch(patch, repo_path): if not ...

选择题做得一般，考到了些还没怎么复习到的东西，有点不熟悉了算法题AK了，做起来比pdd的简单多了前两题不太记得题目了，AC得比较快，都是比较常规的偏语法遍历or分讨的题目第三题执行操作最少化逆序对数，翻译题目后就是枚举i，前缀逆序对数+后缀逆序对数，取min即可，逆序对数我用的树状数组快速求取

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...