投机解码深度实战：从草稿-验证采样到 EAGLE 树状草稿，把 LLM 解码延迟砍一半
从内存墙出发推导投机解码的第一性原理，给出可直接运行的接受-拒绝采样完整实现与残差重采样推导，对比独立草稿模型/Medusa/MTP/EAGLE/n-gram 五条路线，讲透树状草稿与 tree attention mask，最后给出 vLLM、SGLang 生产配置、四种不该开启的场景与真实接受率调优方法论。
推理优化
LLM 后训练量化深度实战：从 GPTQ/AWQ 到 FP8 与 KV Cache 量化的显存-带宽极限工程
从 Roofline 模型定量证明 decode 阶段 Tensor Core 利用率仅 0.33% 的内存墙困境出发，系统拆解 LLM 后训练量化的完整工程栈：group-wise 量化粒度、SmoothQuant 的 outlier 迁移、GPTQ 的 Hessian 误差补偿、AWQ 的激活感知缩放、FP8 延迟缩放与 KV Cache 分级量化，并给出逐层重建误差定位法与生产选型决策树。
Medusa多头投机解码：LLM推理加速的工程演进与深度实战
从经典Speculative Decoding理论出发，深入Medusa多头投机架构的工程实现，涵盖Draft Model选择策略、树形验证结构、投机宽度动态调节、Medusa-2与LayerSkip变体，以及vLLM/TensorRT-LLM生产集成
LLM 推理加速：投机解码 (Speculative Decoding) 工程实践深度指南
LLM推理优化领域最实用的投机解码技术深度指南：从数学原理到工程实现，涵盖Draft模型选择、KV Cache管理、温度采样处理、自适应k值策略，以及Medusa/EAGLE/Lookahead等前沿变体详解，附性能基准与vLLM/SGLang/TGI部署实践。
LLM 推理优化深度实战（最终版）
深入拆解现代LLM推理引擎核心技术——从PagedAttention的显存管理、Continuous Batching的吞吐优化，到Speculative Decoding的解码加速，附带完整代码示例和vLLM部署实践。
端侧 AI 推理引擎：从模型压缩到硬件加速的全栈工程实践
端侧AI推理引擎全栈技术解析：从模型量化（GPTQ/AWQ/BitNet）、推理引擎架构设计、NPU/GPU/CPU异构调度到KV Cache内存管理，系统拆解在毫瓦级设备上运行大模型的核心工程实践。
CUDA Graph 动态形状捕获与 LLM 推理内存池优化深度实战
深入剖析 CUDA Graph 在 LLM 推理中的录制机制与动态形状挑战，提出 Chunked Prefill + 两阶段内存池 + 参数热更新的生产级优化方案
NVIDIA Blackwell 架构深度实战：第五代 Tensor Core、微切片与 AI 工厂时代的分离式推理
NVIDIA Blackwell GPU（B100/B200/GB200）标志着 AI 计算从"单机加速器"向"AI 工厂"的架构范式转变。本文从硬件微架构、CUDA 编程模型、分离式推理部署三个层面，深入剖析 Blackwell 的关键技术创新与工程落地。
eBPF 加速 LLM 推理调度：从内核级可观测到动态 Batch 决策的全栈实践
探索如何利用 eBPF 实现 LLM 推理服务的全栈可观测性与动态调度优化，涵盖 syscall 层、uprobe、kprobe 三层探针设计，以及基于实时指标的 Adaptive Batch Size 决策器，实现 P99 TTFT 降低 77% 的生产效果。
RoPE 旋转位置编码深度工程实战：从复数旋转不变性、NTK/YaRN 长上下文外推到生产级上下文扩展
拆解 RoPE 旋转位置编码的数学本质（复数旋转与相对位置恒等式）与工程实现（rotate_half、fp32 相位精度、cache 复用），分析长度外推崩塌的真实机理（低频欠训练 + 高频 OOD），对比 PI / NTK-aware / YaRN / LongRoPE 四类修补方案，给出可运行的频率重映射代码、注意力温度补偿写法与 needle-in-haystack 评测骨架，并总结 GQA、Tensor Parallel、chunked prefill、mrope 多模态等六个生产落地陷阱。
