想做 AI Infra / LLM 推理系统 方向。 身边没有同方向的朋友能问，自己摸着石头过河整理了一份学习路线，越整理越虚——感觉知识点又多又散  我自己总结的核心路线就一句话： 先理解模型前向 → 再理解单请求生成 → 最后再看多请求 / 多卡 / 多实例下的系统优化 把 Decoder 模型和最小推理框架先跑通，再去看工业级系统，应该很多设计会自然浮出来——这个思路对吗？ 想和大家多多交流！

27届Java，目前在找实习，简历求各位指导一下

何意味😄

华为秋招以大规模线下面试为特色，也是后疫情时代较具规模的面试活动。其线下面试并非零散单间，而是“规模化作战”——HR会提前包下连锁酒店，将一楼大厅改为等候区，几百号面试官统一着装分区就坐，场面震撼且秩序井然。流程上虽为“2+1”（两轮业务面+一轮主管面），但并非连贯进行。我当时两轮业务面结束后，不到30分钟就收到反馈，同学们反馈时间也基本不超过40分钟，效率极高。主管面存在不确定性，我同组同学业务面表现优异，却因当天主管约满需后续补面，这类细节网上很少提及，建议大家面试前别排满行程。华为秋招面试实力是基础，但运气也很关键。我遇到温和的面试官，未答全问题也被引导梳理思路；而同学遇到严苛面试官，因...