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！

我是学院🐭，没面过大厂，官网投的都是秒挂，这是拿我刷kpi的吗？要尝试一下吗？4.3更：g的不能再g

这几个月匆匆忙忙连滚带爬，三月都没怎么投，四月底投了几家，基本没有回复，最后一家发了offer，没去（就一面，没有聊技术方面问题，问了一下基本问题就过了，太假了）😃准备准备一下八股和项目，竞争力太弱了，只能说大一大二太摆烂了，大三才开始准备

很多人刷八股，问题不是背得不够多。问题是：背了很多，但一问深入就断。大厂面试尤其明显。不是问你会不会，而是问你：你到底懂到哪一层。今天直接说 Java 面试里最容易被拷打的 8 个问题。每个问题后面，我都给你一句“面试官真正想听什么”。1. HashMap 为什么线程不安全？很多人上来就一句：因为多线程下会数据覆盖、死循环。这句话不算错，但不够。你至少要知道 3 点：put 过程中不是原子操作JDK1.7 扩容时头插法可能形成环形链表JDK1.8 虽然优化了扩容方式，但并没有解决线程安全问题面试官真正想听的是：你知不知道“线程不安全”具体不安全在哪，出现过什么后果，JDK 版本差异是什么。更多...