扩散语言模型：连续、离散与块级生成
比较自回归与去噪式文本生成，区分连续嵌入扩散、掩码扩散和块级混合方案。
Doffin Azure
MoonBit 分享笔记：让工具链参与代码审查
从语言、接口文件与测试层次理解工具反馈如何帮助发现生成代码中的问题。
LLM 推理服务：预填充、解码与请求调度
从请求生命周期理解动态批处理、长短请求、公平性和预填充解耦。
TurboQuant 阅读笔记：随机旋转与在线向量量化
区分向量重建误差与内积误差，理解随机旋转为什么有助于在线量化。
PagedAttention：把 KV Cache 分成可管理的块
用逻辑块与物理块的映射理解显存碎片、动态分配与前缀共享。
FlashAttention：分块计算与在线 Softmax
理解不落盘完整注意力矩阵的计算方式，以及在线 Softmax 如何跨块合并。
大模型量化入门：精度、离群值与三种 PTQ 思路
理解量化如何压缩权重，以及 LLM.int8、SmoothQuant、GPTQ 分别处理什么问题。
SpecEdge 阅读笔记：用边缘草稿分担大模型推理
从推测解码、主动草稿和多用户调度理解 SpecEdge 的边缘与服务器协作方式。
强化学习入门：策略、奖励与长期价值
区分即时奖励和长期价值，用一个机器人充电例子理解交互学习。
DICE 阅读笔记：并行扩散推理中的激活陈旧性
从步骤、层和 token 三个粒度理解 DICE 如何平衡通信等待与激活陈旧性。