双非鼠鼠心态好炸

之前有人催着发智元嵌入式岗的面经，趁周末把一面二面一起复盘。我没上岸（二面挂），但题是真的、坑是真的。智元不用多介绍，这两年人形机器人/具身智能里热度最高的几家之一。嵌入式岗位明显偏运动控制+底层驱动方向，所以面试重底层、重实时性，软件框架那种花架子问得反而少。一面（电话技术面，约45分钟）我按面试官问的顺序大致归了下类，方便看，实际过程是穿插着来的。自我介绍static修饰局部变量和全局变量分别有什么影响？未初始化的全局变量和局部变量的初始值是什么？函数调用的开销在哪里？什么场景该用内联函数？硬件/底层一串你MCU用的是什么芯片？主频多少？Flash多大？为什么主频会影响MCU性能？除了主频...

cvte体验实习了几天，今天收到携程offer了，泡了40多天。诶cvte真好吧，免费的宿舍比我在学校租的公寓还好，还有免费伙食。顿顿爽吃，还有mac，还有每天100刀的cc，站起来蹬opus4.7花不完。我就在这边白吃白喝，还没干过活，下午六点就下班撤了。我们部门感觉也不push，mt也让我早早回去，反正不打卡。

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...