模型评估
模型评估涵盖能力、对齐与效率三大维度，涉及语言理解、知识问答、推理代码等任务，常用MMLU、C-Eval、GSM8K等基准，结合Hugging Face工具实现自动评测，面试关注幻觉检测、指标设计与人工协同评估。
解码策略
解码策略影响文本生成的创造性与准确性。贪婪解码确定性强但重复性高；Beam Search提升质量，适合翻译；随机采样（如Top-p）增强多样性，适用于创意写作。不同方法在多样性、质量与计算成本间权衡，适配多样场景需求。
模型推理加速
大模型推理加速关键技术：KV-Cache优化、连续批处理、投机解码、模型并行与vLLM等。涵盖原理、内存计算、优化策略及实战，助力高效部署与面试备战。
归一化技术
归一化技术对大模型训练至关重要，常见方法包括LayerNorm与RMSNorm。前者稳定高效，广泛用于Transformer；后者简化计算，提升效率，见于LLaMA等模型。Pre-norm结构更受现代架构青睐，整体助力模型快速收敛与稳定训练。（238字）
南京观海微电子----N沟道vs P沟道MOSFET
MOSFET是一种电压控制型半导体器件，结构类似场效应管，含栅极、源极、漏极和衬底。按沟道分为N型与P型，N沟道载流子为电子，导通速度快、效率高，更常用；P沟道为空穴导电，多用于高端开关。栅极绝缘使输入阻抗高、功耗低，适用于放大、电机调速、电源开关等场景，但易受静电损伤。
n8n vs Coze：自动化工作流的选择指南
n8n与Coze均助力自动化，但定位不同：n8n开源灵活，适合开发者实现复杂系统集成；Coze无代码易用，助力业务人员快速搭建审批等流程。选型应据团队角色、流程复杂度及部署需求，可结合使用实现“技术+业务”闭环。
12 | 非精准 Top K 检索：如何给检索结果的排序过程装上加速器？
本文介绍了非精准Top K检索的优化思路与实现方法，通过简化打分机制提升检索效率。重点讲解了三种加速技术：基于静态质量得分排序截断、胜者表利用词频打分、以及分层索引的两层检索策略。这些方法将计算前置至离线阶段，在线仅做快速截断，大幅降低开销。结合精准排序的两阶段架构，广泛应用于搜索与推荐系统，实现高效召回与精度平衡。
04 | 状态检索：如何快速判断一个用户是否存在？
本文探讨如何高效判断对象是否存在，对比有序数组、二叉树、哈希表的查询性能，引出位图与布隆过滤器。位图利用数组按位存储，空间效率高；布隆过滤器通过多哈希函数映射到位数组，实现O(1)查询，虽存在误判但省空间，适用于注册去重、爬虫判重等场景。删除问题可通过引用计数或重建解决。
数组（顺序存储）基本原理
本章讲解数组的底层原理，区分静态数组与动态数组。静态数组是连续内存空间，支持O(1)随机访问，但增删效率低，需搬移数据；通过手动实现动态数组，理解其扩容、插入、删除等操作的实现逻辑与时间复杂度，为后续数据结构打下基础。
