Mamba 状态空间模型：从理论到生产级推理的 CUDA 内核优化实战
深入解析Mamba状态空间模型的核心原理与生产级推理部署：从选择性机制的数学基础，到Scan算法的硬件感知设计，再到CUDA/Triton内核优化实战。涵盖Mamba2的SSD理论、状态缓存优化、投机解码兼容性，以及在百万token长序列场景下的性能基准。
LLM推理
Multi-LoRA 多租户推理：共享基座模型驱动的微调服务架构革命
深入剖析Multi-LoRA推理引擎的系统架构、内存管理、内核融合与调度算法，基于vLLM/SGLang/TensorRT-LLM给出生产级实现方案和性能基准测试数据。
异构计算环境下的 AI Agent 任务调度：GPU/NPU/CPU 协同执行引擎
探讨AI Agent在异构计算环境中的任务调度策略，包括GPU/NPU/CPU协同执行引擎、统一内存管理、KV Cache优化及零拷贝技术等深度工程实践。
打破自回归瓶颈：Speculative Decoding 推测解码的系统工程与生产优化实战
Speculative Decoding 通过小模型草稿+大模型验证的无损加速范式，将 LLM 推理延迟降低2-4×。本文深入拆解核心算法、调度策略与 KV Cache 管理，分析 Medusa、Eagle 与自回归草稿模型的工程取舍与生产部署最佳实践。
KV Cache 共享与复用：从 Prefix Caching 到多租户KV重用的生产实践
深入剖析KV Cache共享与复用的技术体系，从vLLM的Automatic Prefix Caching实现原理，到多轮对话上下文管理策略，再到生产级多租户KV Cache复用架构设计。
DeepSeek时代: MoE推理系统的工程实战
深入剖析DeepSeek-V3的MLA注意力机制与细粒度MoE专家并行架构，涵盖KV Cache压缩、AlltoAll通信优化、显存预算分配等工程实战细节
LLM 推理确定性工程深度实战：从浮点非结合性、Batch 不变性到可复现 Kernel 的全链路解法
拆解 LLM 推理不确定性的三个根因——浮点加法非结合性、split-k 与浮点 atomicAdd 的非确定累积、Continuous Batching 导致的 batch invariance 破缺；给出 PyTorch 复现脚本、Triton batch-invariant kernel、CUB 确定性归约与 CUBLAS_WORKSPACE_CONFIG 配置要点，分析 RL 后训练 on-policy 偏差与合规审计场景，量化 15%-30% 的性能代价并给出生产落地检查清单。
从GPU内核到Token延迟：eBPF在LLM推理可观测性中的工程实践
如何利用eBPF从内核态穿透到GPU驱动层，构建LLM推理全链路可观测性体系。涵盖CUDA kernel追踪、TTFT/TPOT指标分析、多租户GPU争用分析及实战案例。
LLM 推理系统韧性工程：PD 分离架构下 KV Cache 热迁移与分级降级实战
随着 LLM 推理服务进入大规模生产部署阶段，系统韧性成为比峰值吞吐更关键的工程指标。本文深入剖析 Prefill-Decode 分离架构下的 KV Cache 热迁移、分级降级策略和故障恢复机制，给出可直接应用于生产环境的工程方案和实测数据。
KV Cache 量化与压缩工程实战：从 FP16 到 FP8/INT8/INT4，精度、速度、显存的黄金三角
深入解析 LLM 推理系统中 KV Cache 的量化与压缩工程实战，从 FP16 到 FP8/INT8/INT4 的精度-显存-速度权衡，涵盖 Per-token 量化、GQA 压缩、LazyKV 淘汰、Prefix Sharing、Delta 压缩等前沿技术，附 SGLang 生产级配置与实测数据。
