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...

原本想以为实习经历就更好找正式了，但是恰恰相反，在boss上面，石沉大海，要么是实习转正，要么必须线下面试，我真没招了，准备跳楼了

看着像是已经挂了，但是又给我发笔试链接了（上周我自己申请的），还有必要做吗，刚好和b站的笔试冲突了

1、自我介绍 2、重点说一下你是怎么一步一步去解决一个bug的 3、实习干了啥？ 4、Linux启动过程 5、Linux进程间通信 6、函数里用到一个static变量，这样的变量跟函数里的普通变量相比有什么样的特点，为什么这样的变量不会销毁 7、static变量什么时候初始化？ 8、介绍unordered_map，实际的数据类型，比如去实现一个哈希表，你会用什么样的数据类型来实现，在内存里它是怎么样去排布的，遇到哈希冲突的时候，你怎么来处理 9、介绍智能指针 10、make_share和直接new有什么区别 11、解释typedef void (*my_func)(int) 12、算法rota...