我感觉毕业好难

鼠鼠最近在看八股，关于threadlocal内存泄漏原理大家都倒背如流，但我自己探索发现，不知道大家是否考虑过以下问题？（我是第一次放这种文章，如有不对，请斧正）既然threadlocal是因为entry的key弱引用导致的内存泄漏，那我如果将value也继承弱引用，能否解决内存泄漏问题呢？弱引用：当发生GC时，弱引用所指向的对象没有被任何强引用指向会被JVM回收正常的情况为entry中的key为弱引用，而entry中的value为强引用，key存放的是threadlocal对象，如果threadlocal没有被任何强引用指向，那么在下一次GC时，该对象会被回收，出现key为null，而value不为null的情况，所以发生内存泄漏，永远无法被JVM回收但如果我们把threadlocal设置为常量，那也就是平时我们使用的形式final static，这样threadlocal永远被强引用指向，不会被JVM回收，同时也不会出现key为null而value不为null的情况，但同时要注意的是，如果我们value存放的是map之类的数据结构或者大对象，随着时间的推移，我们不断往map中添加数据，这样这个map或者大对象一直存活，这样会导致堆的内存越来越大，从而导致内存泄漏和内存溢出的情况。那换个方向想，如果我们把value继承弱引用，能否解决内存泄漏问题？实际上是不可以的，可以剖解引用链key的引用链：业务代码引用->threadlocal对象value的引用链：threadlocalmap的entry引用->实际的value比如：threadlocal.set(new user());此时在堆内存中创建这个user对象，此时threadlocalmap中的entry引用他，他为弱引用如果我们把threadlocal对象设置为常量，那么key虽为弱引用，但永远不会被回收，那么会出现一种情况，此时没有任何强引用指向这个user对象，当发生GC时，JVM会将该对象回收，那么下一次我们get获取vlaue值时，他为null,那么就出现事故了，明明我存了这个值，但为什么会凭空消失呢？就是因为value继承了弱引用，导致value没有强引用指向时，导致被垃圾回收了。那又可以想到一种情况，既然我把threadlocal设置为常量，那我把threadlocal不设置常量呢？那这样会出现非常恶心的情况，只要我们有一方没有被强引用指向，那么如果发生GC，就会被回收，但又无法保证在发生GC时，key和value都没有强引用指向，所以这个方法并不适用。并且我们使用threadlocal的初衷本来就是想在一个线程中共享变量，如果不把其定义为static，那如何实现在不同的类中共享变量呢，那岂不是就是局部变量，那还不如传参的方式呢。所以static final可以保证你的key不会丢失，而value坚持强引用，保证你的value不为空为了解决上述问题，还是要记得remove()来保证内存不泄露。

我自己在搞 AI Infra/HPC，有两个一直在维护的仓库：一个是用 C++/CUDA 从零写的深度学习框架：OriginDL另一个是工作中一点点积累下来的 AI Infra/HPC 知识地图：ai‑infra‑hpc链接先丢这儿，感兴趣可以先 star 了再说：https://github.com/jinbooooom/OriginDLhttps://github.com/jinbooooom/ai-infra-hpc如果你是刚开始找工作，或者准备投大模型 AI Infra/HPC 方向的岗位，可以把下面这份当成一个「复习清单」：面试高频会围着哪些点打转、我当时是怎么系统整理的、以及怎么用...

从年前在BOSS直聘投递简历到现在大概面试了12家公司  大致有三个方向prompt工程师   AI训练师实习生   数据标注实习生一共拿到9个offer，日薪基本上都在200以上（习惯用日薪判断实习生岗位的重要程度）有一个9k的prompt工程师 校招offer   应该是专门驻场给企业做ai赋能的另外就是一些行业龙头  做他们产品的ai智能化的数据标注能发现比起去年，薪水越来越高，并且岗位也越来越多  兴许真是一个机会prompt工程师可能会需要一定的代码能力AI训练师需要你懂一点  AI行业数据标注的工作业务流程重点说一下数据标注大致有黑奴岗（一场面试23人）还有 对业务能力有一定要求的标注岗吧不过也能从面试和岗位感受到1.北京杭州是ai重地2.已经有公司在结合ai进行商业化落地了。3.更多高级一点的标注岗标注的是多模态的内容。这些岗位对AI技能的考察有哪些？Prompt工程师：考察的是逻辑拆解能力，要求你逻辑性很强。AI训练师：考察的是细心和sop的能力。高级数据标注：考察的是结构化的感知力一般数据标准：就是看图写类别

一、市场上到底要什么人？去招聘网站搜“大模型”，JD看一圈就会发现，岗位其实就三类：① 基模方向：预训练、模型架构、scaling law门槛：顶会paper or 名校博士结论：有就有，没有就别强求，不是几个月能补的② Infra方向：分布式训练、GPU集群、推理加速门槛：扎实的系统底层能力结论：你们组是做这个的就可以冲③ 应用层方向  这是大多数人的机会！不动模型：RAG、Agent动模型：SFT、RL（RLHF/RLAIF） 0基础同学能在4个月内真正拿到offer的地方，就是应用层二、技能要会在点子上，别被概念带偏现在各种概念满天飞，A2A、MCP、GraphRAG...每周都有新名词...