两个项目，一个导师项目，一个星球项目。C++也不熟，想找推理部署相关的。但是目前投递情况最好的还是一个岩山科技，二面挂了。其他的大中小厂没一个给面。目前就一家小公司蛙声科技的岗位，JD上写的是部署相关，查了下公司应该还是正规的，不过不涉及算子和NPU，要求吗感觉要找不到工作了，想去银行，但又怕无领导面。我只想找个至少说的出名字的公司就行。

1. 针对高并发系统，你会从哪些维度进行架构优化？多级缓存：利用浏览器缓存、CDN 边缘计算、本地缓存（Caffeine）和分布式缓存（Redis）减轻数据库压力。异步解耦：引入消息队列（RocketMQ/Kafka）处理非核心逻辑，实现流量削峰填谷。扩容与分流：通过 Nginx 负载均衡实现水平扩展；数据库层面进行读写分离或分库分表。服务治理：设置合理的超时时间，配置熔断、降级和限流策略（Sentinel），防止雪崩效应。2. 深入谈谈 ConcurrentHashMap 的扩容机制（Java 8+）触发条件：当任意一个桶（Bucket）的链表长度超过 8 且数组长度小于 64，或总元素量超...

最近复盘了 KV Cache，给面试/实战一个好记版本：1）Decoder 生成第 k 个 token 时，历史 token 的 K/V 不必重算，缓存后直接复用；2）不做缓存会反复算历史注意力，长度一长延迟明显；3）KV Cache 省算力但吃显存，长上下文时显存压力会成为瓶颈；4）MHA→MQA→GQA→MLA，本质都在做“少缓存/更聪明缓存”，其中 GQA 是当前工程里很常见的平衡点。一句话：KV Cache 是速度的来源，注意力变体是显存账本。

顺便说一句，淘天 27 届暑期实习生还在持续招人，AI工程、算法等方向都有机会，感兴趣可以查看我关联的内推记录。最近集中看了一批 AI 相关的校招简历，有个感受越来越明显：不是大家项目差距很大，而是简历呈现方式差距特别大。你会发现，候选人做的内容往往高度相似：大模型应用、RAG、知识库问答、Agent、多轮对话、Prompt 优化……甚至连技术组合都很像：Python、LangChain、向量库、FastAPI、React。可同样一类项目，有些人写完以后让人觉得“这个同学是真的做过，也想明白了”，有些人则像把一串名词拼在一起，读完只留下几个框架名。问题通常不在项目，而在你怎么把项目写出来。1....