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...

看大家晒offer狠狠焦虑半年后，迎来了自己的大厂offer从腾讯终面排序挂，字节三面技术面挂后，第三个大厂抛来了橄榄枝，永远爱你米宝

贼逆天啊，发了个“youbing”然后光速撤回拉黑了，没截下来。