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！

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

我想大三寒假找一段大厂实习，所以今年暑假的话想的是先面小厂积累一下面试经验，请问各位这份简历有什么需要修改的吗？

这场高通嵌入式软件开发面试整体节奏很快，面试官不是按八股顺着问，而是从项目、系统、内核、同步、内存、驱动和升级链路里不断切换，基本属于一旦某个点答得浅，就会立刻往底层追。体感上更看重两件事：第一是 Linux 和嵌入式系统基础是否成体系，第二是能不能把项目里的真实设计、问题定位和工程取舍讲清楚。准备这类岗位，单靠背题不够，很多问题都带着“继续往下挖”的味道。题目总结进程切换发生时，内核最少需要保存和恢复哪些核心上下文，哪些内容不是每次切换都必须完整重建的？select、poll、epoll 在底层事件通知机制上的差异是什么，为什么高并发场景下通常不会继续用 select？如果一个驱动里同时有中...