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...

给我气笑了

实习期间，我偶尔打开 BOSS 直聘看了几条招聘信息。没想到，很快就被同事举报了。那一刻，我心里咯噔了一下，感觉自己的一举一动都被盯得紧紧的。被举报后，气氛开始微妙起来，领导和同事的态度都隐隐变化。我知道，再这样下去，只会让自己在公司越来越不自在。于是，我开始暗暗盘算：是不是该尽快找到新的出路。不到一个月，我就果断离开了那家公司，选择了另一条职业道路。回头想想，这件事教会我两件事：职场不仅要认真工作，更要学会保护自己的自由和选择权。有时候，及时离开也是一种成熟的自我管理。