人工智能 29
- Recurrent Looped Transformer 图解：让状态跨 Token 继续思考
- 推理系统番外篇：从 22 步矩阵计算到一条连续方程
- 推理系统 15：用真实测量解释延迟、吞吐与成本
- 推理系统 14：从单卡到多卡，以及 MoE 专家并行
- 推理系统 13：Ascend NPU 与 vLLM Ascend 的实际软件栈
- 推理系统 12：从 CUDA SM 到 NVIDIA Rubin 与 Blackwell Ultra
- 推理系统 11：张量公式怎样变成设备程序
- 推理系统 10：PagedAttention 与前缀缓存的真实边界
- 推理系统 09：连续批处理与统一 Token 调度
- 推理系统 08：一条请求怎样进入 vLLM V1
- 推理系统 07：量化改变了什么，又没有改变什么
- 推理系统 06：模型推理的内存究竟用在哪里
- 推理系统 05：Prefill 与 Decode 为什么是两种工作负载
- 推理系统 04：从 logits 到下一个 Token
- 推理系统 03：逐项算清一个真实 Qwen3 Transformer 层
- 推理系统 02：从 Unicode、聊天模板到 Token 与嵌入张量
- 推理系统 01：一条请求如何抵达硬件，又变成回答
- 从文本到芯片：大模型推理交互技术系列
- 智谱 2026 年中期业绩说明会：管理层发言与问答全文翻译
- 从第一性原理理解 Diffusion & Flow Matching（SDE、ODE 大一统视角）— 中文解读
- 华为廖恒谈超级AI计算硬件（全文转载 + 中文结构化解读）
- Meta MTIA 300 内部框图详解（日文逐译）
- String Theory Finally Testable with Power of AI — AI 让弦理论首次变得可检验
- What Capable Agents Must Know: Selection Theorems for Robust Decision-Making under Uncertainty — 高性能 agent 必须知道什么：不确定性下稳健决策的选择定理
- Applying Mixture of Experts in LLM Architectures — 在 LLM 中应用混合专家（MoE）
- MoE Expert Execution in Disaggregated LLM Serving with a High-Bandwidth ReRAM Near-Memory Architecture — 用高带宽 ReRAM 近内存架构执行分解式 LLM 服务中的 MoE 专家
- Models Are Getting Dumber on Purpose — 模型正被刻意「变笨」
- Machine Learning: A First Course for Engineers and Scientists — 机器学习（工程师与科学家入门）
- CUDA Agent: Large-Scale Agentic RL for High-Performance CUDA Kernel Generation — CUDA Agent：用大规模智能体强化学习生成高性能 CUDA 内核