成都腾讯云意见收集

网上铺天盖地传起来🐻厂要开始裁员了，而且只裁新人和老人，好家伙你是不想培养新人了是吧，老人薪资高，降本增效，掐头去尾，就si操半新不旧的人，绝了，我以前10.19号参加笔试后到现在还没通知，好家伙怪不得没通知，要开始“财源”广进计划了是吧还刷到很多应届生被裁的。度子业务确实不咋的，老是起个大早，结果最后搞得不咋的，之前的文心一言就是，早早上线，结果现在搞得不咋的

首先声明不搞infra的不用看，我现在看底层了，本篇内容基于Efficient Memory Management for Large Language Model Serving with PagedAttention》 (SOSP 2023)出处： 加州大学伯克利分校（UC Berkeley）这篇里面讲了vllm，那么我们就先讲vllm。LLM 模型在推理阶段的显存有三部份组成：模型权重、KVCache 显存占用以及激活值显存占用。而今天我们是速成教程，所以又要体现深度，那么就先讲KVCache，这个本质上是一种通用的思路就是减少k，v的计算，采用缓存的机制去减少中间值，而这个的问题是kv...