Bos上面的很多hr真是傻得，她主动联系我要简历，我说钱太少了，然后就说我经验不行，你主动联系我的好不好，技术在北京这点钱还要硕士，你这个态度，招个毛线🧶

暑期实习拿到了某家大厂没去，秋招没投这家。10月份的时候hr打电话说。说暑期评价非常高，可以只面一场来发offer，我说ok的。结果又过了一周没什么消息，我以为说说而已。这两天call我说不用面了，直接看邮箱有offer，又是股票又是签字费的，总包60+，如图上次短信还是四月的面试邀请。ps：最后拒了，选了字节，只能说良心有点不安了。

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...