许愿华为池子

AI Infra / 数据岗考察:大模型训练 / 推理框架 + 算力调度 + 数据工程 + 性能优化。硬核工程岗。   1、工程 / 部署 / Infra  vLLM 的核心优化是什么  思路:PagedAttention(分页 KV cache) + Continuous batching(动态合批) + 量化 + prefix cache;吞吐比 HF 高数倍。   模型量化 / 蒸馏的区别  思路:量化: 降精度(FP16→INT8/INT4),结构不变;蒸馏: 教师→学生,结构变了;可叠加。   端侧部署的挑战  思路:算力/显存/电耗受限;要小模型(SLM 1-7B) + 量化 + ...

大家都只要28届的

蚌住了，沉淀三个月  收到的面试反而更少了，大部分做完了测试就了无音讯，大模型应用，产品，AIGC，甚至售前工程师我也愿意做啊！这个时代怎么了？为何不愿意接受双非生😭

大二的我手写了一把内存锁，最后却败给了 MySQL 的 MVCC？ 文章首发在掘金：并发配额复盘：掘金精简版。 阅读说明：这篇是精简版，主要保留业务背景、锁演进、MVCC 反转、SQL 兜底和最后的工程结论。如果你想看完整代码、实验数据、Redis 对比、JMeter 日志和更细的推导过程，可以看网站公开笔记广场里的同名 Markdown 笔记：完整版链接。 我把这版整理成精简版，不是因为完整版里的细节不重要，而是因为这件事本身很容易写散。存储配额、用户锁、批量删除、内存占用、Redis 锁、事务隔离级别、JMeter 压测，每一块都能单独展开。对于第一次读的人来说，如果一上来就被大量代码和实...