首先声明不搞infra的不用看，我现在看底层了，本篇内容基于Efficient Memory Management for Large Language Model Serving with PagedAttention》 (SOSP 2023)出处： 加州大学伯克利分校（UC Berkeley）这篇里面讲了vllm，那么我们就先讲vllm。LLM 模型在推理阶段的显存有三部份组成：模型权重、KVCache 显存占用以及激活值显存占用。而今天我们是速成教程，所以又要体现深度，那么就先讲KVCache，这个本质上是一种通用的思路就是减少k，v的计算，采用缓存的机制去减少中间值，而这个的问题是kv...

目前有百度 base 北京offer 拒了字节这个hr面，跟我说明年的实习生hc不多，可能只能让我实习两到三个月，而且貌似表现出来的意思是要我进去快速上手开发。目前还有，美团，腾讯，阿里，快手，小红书的在推进。不知道字节这个要不要去。大佬们怎么看，base北京tag，字节，腾讯，美团，阿里

8月投递，筛了两个月才发笔试，最无语的一集😅