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...

  😅😅😅

秋招面了20几场，挂1/2/3面均有，最后结果就是大中小厂无一offer，最后去实习了，大伙找不到的都去投实习吧，多关注刚放出来的岗位，容易捡漏ps：后续又有快手约面，现在字节美团快手一大堆面试，兄弟们快投

目前收到2个offer，一个是小公司秋招offer需要实习，一个是喜马拉雅实习offer。楼主是bg是26届双非，希望大家可以帮我投票看看。