山景城小路

你们不是天天‘蹬’大模型吗！？我做了个动画，看看哪个模型最‘禁蹬’。

中国开源前沿模型正在快速趋同： 1. 除 DeepSeek 外，多数已用线性注意力（Kimi KDA、Qwen GDN、GLM KDA 风格） 2. 除 Kimi 外，普遍用稀疏注意力 + indexer/压缩（DSA、QSA、LSA、IndexPool） 3. 残差连接升级成标配（mHC / AttnRes） 4. 训练侧几乎都上了 Muon

出生于芬兰 就读于赫尔辛基大学 21岁创建了Linux内核 因为现有工具不够好，所以自己造了Git 无意中成为了服务器、Android、云和超级计算机的基石 从不追逐名声、金钱、头衔或炒作 数十年来保持低调、坚持如一、直言不讳 至今仍在审查代码、改进Linux、避开戏剧 https://t.co/0ZTRgypxzd

又做了一个kafka的动画。供大家参考学习： Kafka 将消息流组织为 Topic。每个 Topic 在逻辑上是一条命名的事件流，在物理上被切成若干 Partition。Partition 是只追加、按偏移量寻址的日志：新记录写入尾部并获得单调递增的 Offset，既有的记录不被原地修改。 Producer 按 Key 选择分区。相同 Key 被映射到同一 Partition，因此该 Key 上的事件保持先后关系；不同 Key 可以并行落入不同分区，Topic 整体并不保证全局顺序。 日志末端与消费者可见范围并不重合。High Watermark 标出已经完成复制、可以安全读取的位置。…

DDIA 第4章 存储于检索 主要就讲了这几件事： 准备面试的小伙伴，掌握好LSM (MemTable, SSTable, WAL, Compaction), B/B+ Tree. 再搞清楚这几个数据结构的读/写tradeoffs. 了解一下顺序写，随机写，HDD vs. SSD(NVMe). 最后一段OLAP的可以选择性学习。 基本这一块就可以了。