Hey there! It’s GopherDing Here!

本博客目前旨在记录技术沉淀、阅读收获、生活体验及建站技巧，未来内容或有整合及变化，同时将尽力保持滚动更新。

预期更新列表

  • 曹丕-典论·论文
  • Bagging和Boosting的区别
  • 论文精读：Time, Clocks, and the Ordering of Events in a Distributed System
  • 论文精读：Insights into DeepSeek-V3: Scaling Challenges and Reflections on Hardware for AI Architectures
  • Transformer系列精讲——Attention Is All You Need.
  • 区块链共识算法简介

最近在做什么

  • 练字（
  • 学习粤语（50%）、英语（30%）、法语（20%）
  • 猛猛刷Leetcode Hot100
  • 速通量化
  • 手撸一个Transformer
  • 学习Markov random fields
  • 本地博客补完计划——运维部分
  • 博客评论区bug修复
  • 博客预期增加在线音乐播放功能，需考虑合规化
  • 凌晨刷大悲25周年、La La Land导致失眠
  • 地铁上看The Lord of the Rings导致坐过站
  • 晚上看看鲁迅全集辅助睡眠，——显然效果不佳
  • 研究怎么让博客加载更快（烦
  • 吃麦麦到昏迷，吃三送饭到中毒:-（

待办事项

  • 改简历，投实习
  • 重学偏微分方程（bushi
  • 老老实实看看动态规划算法
  • 看看Langevin Dynamics怎么搞的
  • 参与一些AI相关的开源
  • 博客功能扩展——PDF支持
  • 本地博客上传——Redis部分
  • 修复评论异常关闭的BUG
  • 看看《雨中曲》《闻香识女人》（此片让名字耽误了）
  • 学学怎么写报告文学
  • 学着做点饭*^____^*
  • 刷一刷法红黑、剧院魅影、小王子
  • 现场听一次正规的交响乐团演出，——大编制的那种
  • 继续学吉他，Hey Jude＞︿＜
  • 想逛Disney——纠结-ing
  • 想看火箭发射，同时幻想何时能够登月

技术方面

期待成为一名DevOps / AI Infra工程师 | 在读人工智能硕士研究生

Aspiring DevOps / AI Infra Engineer | MSc Artificial Intelligence Student

• 编程语言：Go, Rust, Java, JavaScript, Python, C, SQL

• Web开发技术：Gin, Hertz, Spring Framework, Vue, Ajax, HTML, CSS

• 数据库相关：Gorm, Xorm, MongoDB, MySQL, Redis, PostgreSQL, HBase

• RPC框架、服务治理与Web服务器：gRPC, Kitex, Nacos, Etcd, PolarisMesh, Nginx

• 容器编排与集群监控部署：Docker, Kubernetes, Rancher, Helm3, Prometheus, Grafana

• 分布式与消息队列：Raft, Gossip, ZAB, CAP , BASE, MapReduce, NSQ, Kafka, Zookeeper

• 开源工具及云平台相关：Git, Gerrit, Hadoop, Elasticsearch, ESXI, OpenWrt, ShadowsocksR, WireShark, GitLab CI/CD, Argo CD, Jupyter Notebook, Alibaba Cloud( ECS, SLB, RDS )

Focused on:

重点关注：

• Embracing “Less is More” in AI Infra scenarios — pursuing simplicity in system design and adhering to the essence of values during technology selection

• AI 基础设施场景拥抱“Less is More”——系统设计追求极简，技术选型坚持价值本质

• Tackling “difficult yet correct” challenges: optimizing resource scheduling for distributed training clusters & building highly available model deployment pipelines

• 解决“难而正确”的挑战：优化分布式训练集群的资源调度和构建高可用的模型部署管道

• Tracking cutting-edge technologies (cloud native, large-model engineering, etc.) and translating tech advancements into practical productivity for infrastructure

• 跟踪前沿技术（云原生、大模型工程等），将技术进步转化为基础设施的实际生产力

• Addressing uncertainties in tech iterations with a positive attitude, making data-backed rational judgments, and taking responsibility to drive implementation

• 以积极心态应对技术迭代中的不确定性，基于数据做出理性判断，并承担责任推动落地

我的照片

Anyone who has never made a mistake has never tried anything new.