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...

0实习，什么都没有，一问三不知简历如下求建议，算法什么的也不懂

是简历有什么问题吗，求大佬指点要玉玉了

📍面试公司：金山云-武汉base🕐面试时间：26.4.9-半个小时左右💻面试岗位：AI应用平台开发❓面试问题：1、自我介绍2、慢SQL优化分析，解决了哪些问题，优化思路是怎么样的？3、针对Kafka消息丢失采取了哪些措施？如何保障消息不重复消费？(只回答了消费端幂等，没了解过生产端的幂等，但是好像是存在的)4、Cache aside模式的优劣是什么？5、项目中的RAG定位和工作流程是什么样的？6、RAG如何实现语义分块的？RAG评估用了哪些方法和指标，结果如何？7、聊AI Coding，使用过AI Coding写代码吗？有使用AI Coding进行项目迭代吗？8、AICoding在需求清...