前言简单自我介绍。某双非二本，大学一直在学校实验室待着，有几个相关竞赛的国家级奖项，STM32和C语言用得比较熟。但项目全是裸机开发，FreeRTOS只在面试前系统学了点理论，没去移植实践过；Linux更惨，就知道几个指令，其他基本不会，还是秋招开始后才花几天临时补的。写这帖的目的也简单，就是回馈牛客。秋招这两个多月，牛客上各位大佬的笔经面经给了我很大帮助，所以总结一下自己的秋招经历，希望能帮到更多人。也顺便给大家鼓鼓劲——我这种双非二本虽然没拿到华为、大疆那种顶级offer，但也能拿到几家还可以的大公司offer，那你们努力一下也行。这里再简单提几句考研和就业。拿我自己举例：大学期间在实验室...

我在公司将谨慎使用AI

五一之后入职字节，算下来快一个月了，正好赶上组内重要项目上线，每天就是不停的忙，加班，一周5天，我一个实习生都要干到10点下班是常态，甚至熬到凌晨1点，随时在线随叫随到，真的太累了，我感觉以后再也不会来字节了，祛魅了。

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...