AI Infra / 数据岗考察:大模型训练 / 推理框架 + 算力调度 + 数据工程 + 性能优化。硬核工程岗。   1、工程 / 部署 / Infra  vLLM 的核心优化是什么  思路:PagedAttention(分页 KV cache) + Continuous batching(动态合批) + 量化 + prefix cache;吞吐比 HF 高数倍。   模型量化 / 蒸馏的区别  思路:量化: 降精度(FP16→INT8/INT4),结构不变;蒸馏: 教师→学生,结构变了;可叠加。   端侧部署的挑战  思路:算力/显存/电耗受限;要小模型(SLM 1-7B) + 量化 + ...

项目是网上教程+vibe coding做的，34月份一直在沉淀加上学校一堆事，现在才开始慢慢投日常实习，求大佬给一些简历改进建议，目标暑假有个AI相关的班上就行

只能说兄弟们坚持

自我介绍负责测试的具体通路在上边通路中具体提过什么bug跟客户端qa怎么分工的服务端测试和端到端测试的区别线上bug分级怎么做的，标准怎么样Agent项目评测的项目架构Agent评测遇到过什么效果问题，比如模型降智 ——调用工具的倾向模型回复每次都不一样，如何做功能、效果断言Agent测试的等价类、边界case是哪些，列举环境部署工具的提效怎么计算的环境部署skill怎么做的为什么用skill做环境部署，不用传统的环境自修复是Agent的harness直接实现自愈还是需要人来提供信息，一步步修复实习的Pytest项目架构怎么样，巡检频率怎么样巡检产生的脏数据怎么处理购物车设计测试用例用户反馈：...