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！

牛友们谁能帮忙看一下为什么没约面试的 从四月初投到现在…..是我的简历有问题吗

1. 手撕：给定一个大小为 n 的数组 nums ，返回其中的多数元素。多数元素是指在数组中出现次数 大于 ⌊ n/2 ⌋ 的元素。2. 解释摩尔投票法的思路，为什么用这种方法？3. 为什么不用哈希表？4. 哈希表的扩容机制是什么？5. 扩容时的时间复杂度？6. 用HashMap的总时间复杂度7. 如果所有元素都不同，哈希表的内存占用会怎样？8. 如果用摩尔投票法， 不存在超过半数的元素，如何识别？9. 场馆预订平台的框架和技术选型，用了什么框架？10. 如何实现存数据库一致性11. 如何用Canal监听MySQL binlog？如果是大规模数据，用几台Canal12. 那数据量很大的话，单台...