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...

去年参与了春招 总结一些公司的春招情况

之前以为这种情况都是网上开玩笑的，现在真让我遇到了

在某公司，只有内网，一般是没有外网权限的，所有文档，文字，代码都不能流落到外面去，但是可以申请外网权限，查一下资料，申请完之后需要自己格外在意。 当时是一个阳光明媚的下午，我想让deepseek给我生成一份思维导图，但是文档里的密码，网站什么的，不能外漏，我就小心翼翼的改文档，密码隐去，网站隐去，关键信息删除，反正小心翼翼鼓捣了半天，终于把文档里泄密的东西清楚干净了，然后把文档发到deepseek生成思维导图文档，然后就下班了。 到半夜，快睡着的时候，我突然想起，尼玛文档内的东西清楚干净了，但是把文档发到外面网站本身就违反安全红线了！半宿没睡，后来被安全部门找了，还好没有什么秘密泄露出去，给个...