腾讯调岗

（ps：时间，2024年11、12月）华子：我们这边周三周五不建议加班，提倡多陪陪家人我（内心os）：我都定青浦了陪哪门子家人我：好的，谢谢面试官，我这边还需要再考虑一下华子：？？？你不准备接我们的offer吗？？？我：我得考虑一下，感谢贵司的来电，再见。后官网拒之，父母哀之，吾亦哀之。然父母之哀，在憾失光耀门楣之机；吾之哀，在闻“三五不加”，则一二四之劳形，可不言而喻矣。所谓“伴亲”，如镜花水月，堪叹堪悲。

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...