1. 介绍下你实习学了什么 做过什么项目,为什么离职的2. MoE 为什么能在参数量很大的情况下还能把训练和推理成本压住，真正难点在哪MoE 的关键不是“参数变多了”，而是“每个 token 只激活一部分参数”。也就是说总参数量可以做得很大，但单次前向只走少数几个 expert，所以理论上计算量不会随着总参数线性增长。这个思路在大模型里很有吸引力，因为可以同时兼顾容量和成本。但真正难的地方是路由和负载均衡。路由器如果只偏爱少数 expert，训练会很不稳定，热门 expert 被打爆，冷门 expert 学不到东西。另一个难点是通信开销，尤其多机训练时，token dispatch 和 gat...

过了，云智真tm香啊。😜

本专栏只总结最重要的八股，简历对应的 简历话术：  Redis:熟悉Redis基本使⽤、常⻅缓存读写策略、⽣产问题及持久化、内存管理、集群、分布式锁  1.常见缓存读写策略 1.1 Cache Aside（旁路缓存）策略 写 先更新数据库中的数据，再删除缓存中的数据。 读 如果读取的数据命中了缓存，则直接返回数据 如果读取的数据没有命中缓存，则从数据库中读取数据，然后将数据写入到缓存，并且返回给用户。 1.2 Read/Write Through（读穿 / 写穿）策略 写 应用程序的“写”请求，必须直接发送到缓存组件。缓存组件负责同步： 缓存组件（或一个智能的客户端库）接收到写请求后，会原子性...