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...

双非本科，靠着字节、百度、蔚来三段实习一路撑到春招，到现在才真正认清现实。一封封感谢信砸过来，慢慢明白，学历和学校带来的门槛，远比几段光鲜实习要重得多。最让人无力的，莫过于拼尽全力刷实习、攒经历，最后却连一个入场机会都换不来，那种落差感真的太磨人。总自以为是地觉得，有大厂实习就够了，一定能挤进心仪的公司，可现实一次又一次把幻想击碎。现在的我，早已没了春招初期的锐气，只剩下满心的迷茫和惆怅。不知道是该坦然接受现实，还是继续抱着不切实际的期待，在大厂的梦里不肯醒。

英伟达上海张江实习，好急，不会被鸽吧，鸽了怎么办啊，急急急

无八股，全程都在聊AI项目，手撕算法题是lc.15三数之和对于 AIAgent 模式，你如何评判当前系统和切换到另一种模式（如 cline/code 模式）的效果差异？ 你如何设计量化指标来评估不同实现方式的效果？ 你怎么看待 RAG？它的价值是什么？ RAG 和本地知识库有什么差别？ 你说 RAG 有用，那它具体好在哪？优化了什么指标？提升了多少？ 如果把你的项目做成 agent 并对外服务，你如何评估 RAG 的效果（比如准确率、拦截率等）？ 如果不用 RAG，而是用更强的大模型，会怎么样？ 你有没有试过使用最强模型（比如在线 API）替代本地模型 + RAG？ 你有没有做过模型微调？ 你...