一、 考试目标量化明确目标：总分400（100+100+200），150分即可通过。这意味着无需追求满分，策略性地获取分数更为关键。常见组合：前两题分别拿到80%和70%的用例通过率，第三题即使0分，也可通过。建议将主要精力投入前两道一星题。二、 核心考点分布与权重根据真题统计分析，考点分布如下：1.一星题（100分x2）：占比约70%的分数字符串处理（30%）： 最高频考点。包括IP地址分类、协议解析、日志过滤、键盘输入模拟等。核心是掌握split()、正则表达式、字符遍历与状态机。哈希表与统计（20%）： 用于计数、去重、建立映射。典型题目如“生日礼物统计”、“文档特征提取”。栈与队列（1...

焦虑ing，二本，绩点挂车尾，无竞赛就会个stm32和freertos，esp32。无竞赛，学历差。真让人焦虑。这是应付学校任务写的简历，说实在的，平衡车和nwatch都是跟着视频(铁头山羊，韦东山)复刻的。MQTT这部分让ai吹了一下，实际上我不会LVGL，就在简历抹去了。八股文没开始背，面试题还没开始看。需不需要刷一点算法？来不及了，才知道大三这个时候应该投简历了，骑驴找马，边投边学

bg211，暑假才转回南京校区😭😭根据星球做了一份简历，项目是一个rag+点评不知道能不能进八股简历上写的背的差不多了，hot100刷了一半，暑假想留校实习，做日常或暑假实习，求各种大佬指点，不玻璃心😭😭

最近读了腾讯写的文章，简单自己做了下总结和理解，又有了新的输入，不愧是腾讯👍 一、学到的核心知识 1. 大模型推理的两大基石  Continuous Batching（连续批处理）：传统批处理要求一个 batch 内所有请求"同时开始、同时结束"，但 LLM 输出长度不可预测，会浪费 GPU。vLLM 把调度粒度从 request level 下沉到 token level——每一步看哪些请求"差几个 token"，就调度几个 token，把短请求填进 batch 的空隙里。 Paged Attention：传统做法一次为请求申请全部显存，碎片严重；P...