先临三维 二面

自我介绍实习挑一个项目，讲技术架构、做了什么事情、用了哪些技术，解决了什么问题B 平台 思路如何拓展到要接入其他模型；接的过程中有什么工作有没有接触过评测的流程如果请求量变大，系统目前的处理流程可能出现什么问题；如何解决A 系统 讲讲亮点八股Kafka 是否天然支持优先级队列；如果消息队列只支持投递，如何实现优先级队列和延迟队列了解哪些限流算法；各自的优缺点除了缓存击穿，还有什么问题针对数据库与缓存的一致性问题，常见的策略是什么；如何保持更强的一致性项目Plan-Execute-Replan、React、Workflow 三者有什么区别其他最近有 Ai Coding 的经历吗算法全排列 II

4.7开始投递agent项目还没做先把点评外卖包装一下先投试试

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

第 13 题：混合精度训练（Mixed Precision Training） 题目 解释混合精度训练（Mixed Precision Training）的原理和优势。 一、在做什么？ 混合精度训练指在训练中部分使用 FP16（半精度），部分保留 FP32（全精度），在保证数值稳定性的前提下，用 FP16 加速计算、节省显存和带宽。 典型做法：前向和大部分反向用 FP16，权重和优化器状态用 FP32 维护，梯度在 FP32 下累加/更新后再转回 FP16 参与下一轮；对易溢出层（如 softmax、LayerNorm）保留 FP32 或做 loss scaling。 二、原理要点  FP16...