最近读了腾讯写的文章，简单自己做了下总结和理解，又有了新的输入，不愧是腾讯👍 一、学到的核心知识 1. 大模型推理的两大基石  Continuous Batching（连续批处理）：传统批处理要求一个 batch 内所有请求"同时开始、同时结束"，但 LLM 输出长度不可预测，会浪费 GPU。vLLM 把调度粒度从 request level 下沉到 token level——每一步看哪些请求"差几个 token"，就调度几个 token，把短请求填进 batch 的空隙里。 Paged Attention：传统做法一次为请求申请全部显存，碎片严重；P...

三月底投到现在至今0约面，是哪里出了问题，是背景问题还是简历问题呢希望大佬指点一下已修改，希望大佬指点一下

菜鸟想找实习，这个简历能找到吗😅

刚拿到大佬华为 OD 机考成绩单：365.83/400，排名前 22%，直接上岸稳了！特意把本次机考全套 3 道原题考点、解题逻辑、易错坑点全部整理完毕，备考 OD 机考直接抄作业就行✅⭐️一星题1️⃣ 循环内存存取计算（🉐分 82.5/100）核心考点：环形缓冲区、内存对齐、区间重叠判断解题核心思路：将写指针对齐到 align 整数倍，注意超出容量要绕回 0 下标；算出写入完成后的结束位置；校验写入区间是否覆盖未读取数据区间；合法可写入返回新指针，不合法直接返回 - 1。高频易错点：对齐后数值等于容量时，必须绕回 0；读写指针相等代表缓冲区为空，允许写入；环形跨段写入时，一定要校验两段区间...