WebGPU 实战：浏览器内并行计算的全新时代 — 从 Compute Shader 到 ML 推理的 GPGPU 革命
WebGPU实战权威指南：从计算着色器原理到浏览器内ML推理的完整实现路径。涵盖WGSL着色器、矩阵乘法性能基准、图像超分辨率项目实战及渐进增强部署策略。
GPU加速
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。
Inside FlashAttention-3：面向 Hopper 架构的 IO-Aware 精确注意力机制深度解析
FlashAttention-3 通过深度挖掘 NVIDIA Hopper GPU 的 TMA、异步事务屏障、warp 级矩阵运算等硬件特性，在不牺牲数值精度的前提下将 HBM 访问降低到理论下限的 1/4。本文从算法原理、硬件协同设计、工程实现三个维度揭开 FlashAttention-3 的底层逻辑。
量子纠错工程实战：表面码实时解码器架构设计与硬件加速
本文深入探讨表面码实时解码的工程设计挑战——从最小权重完美匹配算法到 GPU/FPGA 硬件加速方案，完整剖析如何构建能跟上物理量子比特节奏的解码引擎。涵盖 Union-Finder 近似算法、GPU 并行解码、预测解码突破延迟墙等前沿工程实践。
NVIDIA TensorRT-LLM 深度工程实战：从图编译到千卡集群的 LLM 推理系统设计
深入剖析 NVIDIA TensorRT-LLM 的架构设计与生产实践，从底层图编译优化到多机多机推理的完整方案，涵盖算子融合、CUDA Graph 捕获、Paged KV Cache、FP8 量化及 Disaggregated Serving 等核心技术，附完整代码示例。
梯度提升树引擎深度工程实战：从加权分位数草图、直方图作差到 GPU 直方图构建与低延迟推理全链路
沿着 GBDT 引擎的执行链路拆解工程内核：加权分位数草图（GK summary）的分桶原理与 merge/prune 实现、直方图作差把一半构建成本抹掉的技巧、稀疏感知与默认方向、CatBoost 的 Ordered Target Statistics 与对称树无分支推理、分布式训练只传直方图的通信量下界分析、GPU 上 shared-memory 原子加直方图构建，以及 Treelite/FIL 把树编译成可执行代码的低延迟推理路径，并给出六条生产踩坑清单与选型建议。
