Linux 大页内存、透明大页与 KSM 内存去重：AI 推理引擎内存子系统深度优化实践
系统拆解Linux大页内存三件套——HugePages、THP与KSM，结合vLLM/SGLang生产部署实战，提供降低P99延迟14%、吞吐提升18%的配置方案与eBPF监控脚本。
大模型优化
多模态长上下文扩展与高效注意力机制2026：从RoPE外推改进到稀疏注意力的消费级部署
深度解析2026年多模态长上下文扩展技术的最新演进：从RoPE位置编码外推改进到稀疏注意力机制、上下文压缩与内存层次化管理的全栈消费级部署方案
LoRA/QLoRA多租户GPU推理服务化实战——共享基模型下Adapter动态加载与显存精细化管理
当企业内部数十个业务线各自微调出专属LoRA Adapter，如何在一张A100 80GB上同时服务上百个租户？本文从显存碎片整理、Adapter热加载策略、请求路由调度三个维度，拆解多LoRA生产级推理系统的工程实践。
