快手暑期实习一面

大模型正在重塑一切，但AI真正的普及，注定发生在“端侧”。当动辄百亿参数的模型巨兽，遇到功耗、内存与算力严格受限的终端设备，我们该如何破局？5月15日（周五）19:00，从工业界最前沿的实战视角出发，一起拆解大模型从算法结构到硅片指令的完整映射链条，深度探讨端侧大模型推理的痛点与解法 !💡 你将了解到：- 云端 vs 端侧：推理场景的范式转移- 跨越功耗与内存之墙： 端侧推理的真实挑战- 核心破局点：端侧优化的“核武器”- 未来图景：端侧大模型推理的演进脉络🔥 邀请这样的“你”来参加- 痴迷体系结构设计，渴望深挖芯片底层架构奥秘；- 深耕 AI 编译器研发，想要洞悉算子调度与指令生成的核心逻辑；- 热衷软硬件协同设计，向往打通算法与硅片的双向适配；- 专注深度学习底层优化，立志突破大模型推理的性能桎梏；- 希望跳出课堂理论、接轨工业界前沿技术风向；这里将为你献上最硬核的技术拆解、最前沿的行业洞察与最具价值的科研启发!🎤 大咖介绍建军: 地平线研发总监。中国科学院计算所博士，曾任中科院计算所副研究员。2016年加入地平线，主要负责智能驾驶芯片的软硬件协同设计开发相关工作。在CGO, ICSE, ASE, TACO, TPDS等国际会议和期刊上多次发表论文，智能驾驶芯片/编译器相关授权专利30余项。曾获北京市科学技术奖二等奖，“第十届吴文俊人工智能专项奖”芯片项目一等奖。活动详情⏰ 时间：5月15日 （周五）19:00-20:30📍 地点：中国科学院大学中关村教学楼N110🎁 彩蛋 :  限量定制伴手礼先到先得，积极互动还有叠加礼品报名方式见下方图片👇

1.单例模式 我写完懒汉式的一直说有问题，我都不知道哪里有问题懵逼了，和我本子上写的一模一样2.CAS底层 两个线程真实交互的过程是什么样子的？3.mysql中的bin log和redo log的二阶段提交，谁先提交？4.HashMap底层 为什么Concurrent是线程安全？5.限流100QPS情况下 如何实现限流？ 滑动窗口的问题？如何处理？令牌桶可以解决吗？6.synchronized是怎么样的，懒汉式中，如果一千个请求打过来怎么办？7.求最长递归子序列，要求复杂度nlogn帖主实习一个月修为散尽完了 答得非常差 全程java八股拷打 一点实习没讲也没问 ai也没问 woc！！！！！吗...

大家重庆电信综合面的结果出来了吗

1.问实习2. 项目拷打3. LLM 落地部署有什么好用的 trick？答案：现在 LLM 落地里，很多时候改模型不如先改数据和链路。第一步是把线上 badcase 分桶，区分是检索错、提示词错、模型能力不足、工具返回错还是数据源脏；第二步是做数据闭环，把高频错误变成 SFT、偏好对、规则样本或者评测集；第三步是做推理侧优化，比如 KV Cache、continuous batching、量化、prefix cache 和路由小模型。比较实用的 trick 是不要盲目微调整个模型。很多业务问题是知识更新、格式不稳、证据引用错，这些更适合通过 RAG、结构化输出、后校验和数据清洗解决。只有当错误...