LoRA/QLoRA 参数高效微调工程实战：从理论到生产级部署
深入解析 LoRA 低秩适配的数学本质，覆盖 QLoRA 4-bit 量化、AdaLoRA 自适应秩、LoRA+ 差异化学习率等核心算法，并给出显存优化、权重合并、多 LoRA 推理等生产级工程实战策略。
LLM
Rust Portable SIMD 生产级 AI 推理实战：从 Token 评分到 KV-Cache 管理
深入探讨 Rust 的 std::simd (Portable SIMD) 标准化 API 在 LLM 推理引擎后处理管线中的实战优化，涵盖 Softmax、Top-K/Top-P 采样、Attention Score 处理、KV-Cache 内存管理，含完整代码示例与性能基准。
CXL 3.0 内存池上的 LLM KV Cache 分层管理：从 DRAM 到持久化内存的近存计算架构
当单次推理请求的KV Cache占用突破百GB级别，GPU HBM容量成为硬性边界，CXL 3.0内存池化提供了全新的KV Cache分层管理方案。本文深入解析四层内存模型设计、热度驱动自动迁移策略以及实战性能基准测试。
Model Context Protocol (MCP) 工程实践：构建 AI Agent 的万能接口
深入解析 MCP 协议的核心架构设计、消息传输机制、安全模型，通过生产级实战案例（文件系统 Agent、数据库查询 Agent、多工具协作文档生成 Agent）展示从零构建健壮 MCP Server 的完整路径。涵盖 2026 年 MCP 生态的 Streamable HTTP 扩展、安全模型演进与多 Agent 协作架构。
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。
AI应用中的上下文工程与记忆管理架构(第21部分：从对话孤岛到持久智能——构建有记忆的AI系统)
AI应用中的上下文工程与记忆管理架构——从对话孤岛到持久智能，构建有记忆的AI系统。完整覆盖上下文分层架构、记忆类型学、生命周期管理、存储架构设计、上下文组装流水线以及常见陷阱与反模式
AI红队对抗：大语言模型安全评估与越狱攻击防御体系
深入探讨2026年大语言模型安全评估与越狱攻击防御体系，分析先进攻击技术、自动化红队框架、多层防御策略和合规要求。
ARM SME (Scalable Matrix Extension) 在终端 AI 推理中的架构演进与工程实践
深入剖析 ARMv9-A 架构的 Scalable Matrix Extension (SME)：二维 ZA Tile 存储模型、矩阵外积指令（SMOPA/FMOPA）语义、Linux 内核 ZA 上下文管理，以及如何为 MobileLLM 推理中的 QKV Projection 与 Attention 编写高性能 SME 内核，含完整汇编代码和性能基准对比
The Tree of Thought: Monte Carlo Tree Search for LLM Reasoning Agents
The Tree of Thought: Monte Carlo Tree Search for LLM Reasoning Agents
