想做 AI Infra / LLM 推理系统 方向。 身边没有同方向的朋友能问，自己摸着石头过河整理了一份学习路线，越整理越虚——感觉知识点又多又散  我自己总结的核心路线就一句话： 先理解模型前向 → 再理解单请求生成 → 最后再看多请求 / 多卡 / 多实例下的系统优化 把 Decoder 模型和最小推理框架先跑通，再去看工业级系统，应该很多设计会自然浮出来——这个思路对吗？ 想和大家多多交流！

4月初开始投的，学的太杂了，啥都不精，虽然投的也不多，但是目前就三个笔试，其他的还在筛选中，0面。暑期实习到底在招什么人？

Seed部门实习生！日薪！日薪！是5000.。。我的老天爷我没看错吧。。。人比人真是吓si人😱还是得搞人工智能还是得搞模型开发

现在已经 5 月份了，暑期实习这波基本就是该投的赶紧投、该准备的赶紧准备的时候了。很多同学前面一直在学板子、做项目、补八股，结果真正开始投的时候反而有点发懵，不知道企业一面大概会问到什么深度。尤其是嵌入式这个方向，很多人一开始准备的时候容易跑偏。要么就是一直刷 STM32 外设配置，觉得把串口、中断、PWM、I2C 都会了就差不多了；要么就是光背概念，背了一堆 volatile、指针、RTOS、通信协议，真到了面试里又接不上项目。其实一面的特点很明显，不一定上来就问特别深，但一定会围着你的项目、基础知识、调试能力、系统理解去展开。你说你做过单片机项目，他不会只听你讲“做了什么功能”，更想知道你...