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...

可能是我见识太少了

不吹不黑，就讲讲我自己看到的。2024届本科上岸，目前在上海张江某原厂写BSP，裸机/RTOS/Linux内核都碰，年包税前45w base。在这一行不算多猛，但摸爬滚打这一年多，多少有点东西可以聊。背景前情学校是某985的异地校区，大一大二参加过一些嵌入式比赛，成绩一般般，主要是给简历凑点东西。那段时间其实心思在C++上，琢磨着转互联网。大三才意识到该找实习了，套了个模板把简历填完，海投几天捞了几个offer，最后去了北京某RISC-V厂——虽然进去之后做的还是ARM SoC那套。本来想拿转正，但卡在本科学历上没成，刚好赶上九月，干脆回学校冲秋招。那时候手里已经有几个offer兜底了，心态没...