比亚迪实习（算法岗）

熟练掌握嵌入式端侧 AI 部署全流程，熟悉 ARM Cortex‑M/A 系列、STM32、RISC‑V 等嵌入式平台，能够独立完成 TensorFlow Lite、MNN、NCNN 等轻量 AI 推理框架的移植、编译与适配。具备从模型格式转换、算子支持裁剪到嵌入式环境内存分配、推理调度的完整工程能力，可在资源受限 MCU/MPU 上实现图像分类、目标检测等 AI 推理功能。熟悉嵌入式 C/C++ 开发，能将 AI 推理模块与外设驱动、业务逻辑深度整合，优化推理速度与内存占用，保障端侧 AI 功能稳定、低延迟运行，满足智能硬件产品的量产落地要求。

时长：30min电话面业务：电池事业群不断盘问实习经历：你在实习中遇到的挑战？讲述一下实习的业务背景？实习中使用过什么数据库？其中涉及到设计模式，反问有没有用到规则引擎？看到微服务后开始盘问微服务常用技术栈有哪些，使用场景？最后让我讲讲项目的难点，怎么解决的？反问：1.想详细了解一下岗位的业务内容；2.这次面试后接下来的消息什么时候会通知？回答：还有挺多人，可能最少一周面试体验：面试官的面试环境比较嘈杂，多次甚至打断思路；对待面试者耐心。当时以为比亚迪会卡学历，但想着海投还是冲了，没想到被捞了

简直是夯爆了！！！1.实习项目相关问题2.详细介绍一下你做过的智能客服系统。3.你们这套系统主要的应用场景大概是怎么样的？能举个例子介绍一下。4.什么情况下需要用到你的那个 expert 相关技术？5.整套系统的主要难点是在于什么地方？6.中间的 Planner，它的规划机制是怎么样的？比如它底层需要调用哪些工具？是不是需要多轮规划？中间的一些详细设计是怎么设计的？7.你们怎么去评估客服对客户的输出是好还是坏？8.搜索功能是怎么实现的？9.你在中间起到的主要作用是什么？你做出了什么改进？10.你这个迭代的过程中，有 ground truth 吗？比如每一个 query 实际上最终最相关的商品是有哪些？11.你中间做了一些什么样的技术迭代？最终体现在人工评估指标上有什么样的提升？有做过对比吗？12.这个人工评估的指标是怎么设计的？最后它的指标结果怎么样？13.这个指标结果是内部人工评估的，还是线上的结果？14.中间优化的过程中，你们用的是一个什么样的模型？15.你的那个 expert 模型，怎么去训练的？样本从哪里来？16.导购场景的数据是真实的用户跟人工客服对话的场景数据吗？17.训练的样本量大概是多大？18.1000 条样本就足够训练你的这个模型了吗？19.你对比过训练之前跟训练之后，同样的问题模型学习后的能力提升大概有多少？20.你能做到比原始蒸馏出来的模型效果还强吗？21.训这个 8B 的模型用的是多大显存的？什么显卡？八股1.正常来说，1B 的模型在没有做任何量化的情况下，原始 FP 格式存储大概要占到多少显存？2.不考虑梯度的情况，单纯只考虑 Inference，把参数加载到显存里面大概要占多少显存？3.平时有用过一些量化加速的方法吗？4.常用的量化手段比如 INT4、INT8、BF，它们之间怎么做到加速的？你有了解过吗？5.FP 跟 BF 之间的区别，你了解吗？6.FP 和 BF 底层实现的区别主要在哪个地方？7.正常的 MP32 在底层数据存储上，小数是怎么表示的？手撕：有连续的 N 个正整数，随机抽出一个（不拿头尾），将其他数乱序放入 N-1 大小的数组中，找出被取出的数。要求时间复杂度 O (N)，空间复杂度 O (1)。

为什么没有面试，求拷打🙏