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...

如题，今天微信上面问HR多久能发offer，结果HR问我方不方便接电话，其实当时鼠鼠就能感觉情况不对劲了，HR说offer审批要给部门的leader审核，结果审核的时候leader感觉我还是不太合适（也没说哪不合适），然后审批就失败了HR说后面会努力再帮我申请一下，但我感觉说的是些安慰人的话吧，毕竟第一次都没通过后面怎么可能会通过呢其实如果面试过程中把我挂了我都不会这么难受，但是面了整整四面到头来还是没走到最后一步，鼠鼠知道HR面也可能会挂人但是没想到自己居然真的这么倒霉，投个日常实习也能在HR面挂掉唉，无语凝噎了