一般情况下，我们聊到“大模型的量化”，想到的大概率是“把FP16转成INT8或INT4，从而降低显存、加速推理”。其实我觉得工程上没毛病，因为很少有人会去探索啥玩意是量化，但你要是放在算法岗的面试上，这样通常是不够的。面试官往往会继续追问：精度明明降低了，模型为什么还能正常工作？什么时候量化会失效？如果这时答不上来，基本就已经失分了。（我的答案放在文末）要把这个问题讲透，可以换一种更有层次的表达方式，从“是什么”到“为什么”，再到“什么时候不行”和“怎么选方案”，逐步展开。首先，从本质上看，量化并不复杂，它做的事情就是用更少的比特去近似表达原本的高精度参数。原本一个FP16权重用16bit表示...

最近才准备开始投，没实习，八股只看了一点点形势有点严峻😇

修改了下简历，这两天投的也没啥面试，都是简历投递出去就不回复了

1.为什么不选择后端分片文件上传？是实现麻烦还是交互麻烦？2.上传的视频文件不会加水印吗？隐私性怎么保证？3.假设数据量比较大，会出现性能问题，如果要你去改，你有什么想法吗？4.一般怎么加索引？怎么读取的更快呢？5.介绍一下什么是联合索引？6.联合索引失效的场景？is null会不会导致索引失效？order by会不会失效？ order by两个字段走不走索引？7.讲解一下rag8.rag中如何处理大数据的分片和分块？9.使用过es吗？讲解一下检索的原理10.讲解一下bm25算法11.算法：杨辉三角，力扣原题写的很快，但是让我改空间复杂度，最后勉强写完。面试官人还不错感觉八股还是背的不够深入啊