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！

27届Java，目前在找实习，简历求各位指导一下

🏁先说重点：别再只刷LeetCode了！而且另外考试也变成了固定场次固定时间OD机考已经变成：2道业务场景题+ 1道算法题（还是中等偏高难度）；现在150分比较容易，高分比较难滴！我拿了几个近期满分候选人的复盘，下面直接给干货👇一、业务场景题长啥样？🐶 举个例子（脱敏版）：给你一段nginx日志，要求用Python/Java统计每个IP的访问次数，并输出出现次数最多的前3个IP，如果次数相同按IP升序。考点：正则提取 / split解析字典计数 + 排序边界处理（空日志、格式异常）🤖 另一个例子：设计一个简单的任务调度器，输入(task_id, start_time, duration...