【Qwen3.8-Flash-Next 端侧部署】05-DGX Spark 统一内存管理与推理执行流程 【Qwen3.8-Flash-Next 端侧部署】04-运行时优化 MTP、CUDA Graph 与 Chunked Prefill 【Qwen3.8-Flash-Next 端侧部署】03-NVFP4 权重与 FP8 KV Cache DeepSeek-V4.1-Flash 技术解读：持久化 KV Cache 压到约 1/8，百万上下文 Agent 的成本拐点 【Qwen3.8-Flash-Next 端侧部署】02-PLE 如何从 NVMe 送到 GPU 【Qwen3.8-Flash-Next 端侧部署】01-模型架构与整体方案

【学习 cmake step5】 安装与测试 【学习 cmake step4】 Generator Expression 【学习 cmake step3】 设置编译参数 【学习 cmake step1】 创建一个简单的 C++ 项目 【学习 cmake step2】 创建公共库(library) pkg-config 入门

【FreeToken 解读】边缘侧推理框架 FreeToken 论文笔记 【投机解码专题】自主多头预测架构-1：MEDUSA 【投机解码专题】核心论文-2： Accelerating-Large-Language-Model-Decoding-with-Speculative-Sampling 【投机解码专题】核心论文-1： Speculative-Decoding-Fast-Inference-from-Transformers-via-Speculative-Decoding

机器学习项目基础设施 机器学习中的交叉熵 机器学习基石 第二讲 Softmax Cross Entropy Loss笔记

Triton 编译缓存 manifest 路径对于缓存命中的影响 从 CUDA 到 Triton：深入理解 Triton 的即时编译与自动调优 CUDA 代码编译流程

Python 依赖管理软件 Poetry 上手

软件设计模型-功能开关