阿里高德推荐算法实习一面面经

第 17 题：模型量化（Quantization）及 INT8 / INT4 题目 什么是模型量化（Quantization）？INT8 和 INT4 量化的实现方式有何不同？ 一、什么是模型量化？ 量化指把模型权重（和可选地激活）从 FP32/FP16 映射到低比特整数（如 INT8、INT4），从而减少显存占用、提高推理吞吐与能效，在可接受的精度损失下部署大模型。 二、INT8 量化常见实现  对称量化：， 为 scale（通常由 tensor 的 abs max 或分位数定）；反量化 。权重量化常用 per-tensor 或 per-channel scale。 激活：可与权重同用 IN...

高通成都camera暑期实习有没有人接到电话了啊🤨

嵌入式 AI 项目不在多，而在“有没有真实落地价值”。相比纯算法项目，更推荐做那些能在设备上跑起来、有优化过程、有明确指标的项目。比较值得做的方向有：实时目标检测：在树莓派或 Jetson 上部署 YOLO，做量化和加速，实现稳定帧率语音识别 / 关键词唤醒：在 MCU 或低功耗设备上跑轻量模型，突出功耗与响应速度智能摄像头：结合摄像头 + AI，实现人脸识别或行为检测，打通完整数据链路工业/传感器异常检测：用时序数据做简单模型，并在嵌入式端实时推理这些项目的共同点是：模型 + 优化 + 部署 + 实际效果完整闭环。只要能把这条链路讲清楚，并给出性能数据（延迟、内存、功耗），含金量就会很高。

优先选边缘端AI+嵌入式的轻量化项目。比如单片机上部署轻量神经网络、传感器数据AI降噪、设备智能故障识别、低功耗边缘推理这类。这类项目不用堆砌复杂算法，能真实体现硬件驱动、代码优化、资源裁剪和工程落地能力，面试的时候有细节可深挖，和工控、物联网、智能硬件等岗位高度匹配。不会太空，能提升技术。