垃圾懂车帝

要被拷打哭了一.自我介绍环节，说到一半被打断…二.没问八股，问了一下项目难点直接引入场景题1.海量数据排行榜2.限流怎么做的（说到一半被打断，面试官：“我不要听你背八股，你觉得你说的这些在真实场景下是可用的？”3.我甚至连问题都没听懂，连着说了几个我闻所未闻的名词，感觉到这里面试官已经很不耐烦了三.问了一些平时使用ai的情况，然后开始问agent的知识（简历上也没写）四.手撕1.多表联查sql2.力扣214  codetop  频率8  没见过  寄五.反问，有哪些需要加强的地方，答：基础薄弱，多看看agent的内容总体来说体验不是很好，可能也是因为我太菜了。但场景题全程无引导，没说到他的点上就会被打断然后嘲讽…

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...

1.自我介绍2.实习经历3.redis 八股4.mysql 索引等八股和延伸5. 两道题a.给出三个场景，给一个表建立索引，写出sql 并回答原因b.多线程交替打印问题6.反问：业务：toB商业化交易Base:重庆

1. 自我介绍2. vector 的底层实现原理是什么？扩容时发生了什么？答：vector 本质是一块连续的堆内存，维护三个指针：指向数据起始位置、指向当前末尾、指向分配内存的末尾，分别对应 size 和 capacity。扩容过程：当 size == capacity 时，继续 push_back 会触发扩容申请一块新的更大的内存（通常是原来的 1.5 倍或 2 倍，不同实现不同）把原来的元素全部移动（或复制）到新内存释放旧内存更新内部指针关键点：扩容后所有迭代器、指针、引用全部失效，因为底层内存地址变了扩容是 O(n) 操作，但均摊下来每次 push_back 是 O(1)如果提前知道大小...