KV Cache管理架构演进：从连续分配到统一混合内存架构
本文梳理KV cache管理经历的5个时代，从它根本不存在的阶段，到今天正在成型的统一内存架构。文中会结合多个模型的部署经验，对比vLLM、SGLang和TensorRT-LLM在各阶段的应对思路。
PhysioDSP：一个面向可穿戴设备的 Python 信号处理库
PhysioDSP 是一个开源 Python 库，它给出了一套统一、可扩展的框架来处理和分析生理传感器数据
VAE 原理拆解：从概率编码到潜在空间正则化
这篇文章从基本原理出发完整拆解变分自编码器（VAE）的构建过程。
基于能量的模型（EBM）：用能量函数替代概率分布的建模框架
Yann LeCun 反复强调过一个观点：当前LLM基于概率、逐 Token 预测的设计路线，很可能走不到人类水平的AI。他的团队更看好另一条路，基于能量的模型（EBM）。
向量搜索系统的三个核心优化维度：速度、精度与规模
向量搜索把信息检索从字面匹配带进了语义理解的时代。但光有 Embedding 还不够，真正让系统在生产环境中跑起来的是背后的工程优化
RAG 文本分块：七种主流策略的原理与适用场景
分块就是在生成 Embedding 之前，把大段文本拆成更小语义单元的过程。检索器真正搜索的对象而不是整篇文档就是这些分块。
从零开始用自定义 Triton 内核编写 FlashAttention-2
本文只实现了前向传播。扩展到完整的训练级 FlashAttention（反向传播、dropout、各种 mask 变体）留待后续工作。
LLM推理时计算技术详解：四种提升大模型推理能力的方法
本文要讲四种主流的推理时计算技术：深度方向的Chain-of-Thought，宽度方向的Self-Consistency，搜索方向的Tree-of-Thoughts，以及迭代方向的Reflexion/Self-Refine。
torch.compile 加速原理：kernel 融合与缓冲区复用
torch.compile 的价值在于：它把原本需要手写 CUDA 或 Triton 才能实现的优化，封装成了一行代码的事情。
让 AI 智能体学会自我进化：Agent Lightning 实战入门
本文将介绍 Agent Lightning 的核心架构和使用方法，并通过一个开源的"自修复 SQL 智能体"项目演示完整的训练流程。
用 PyTorch 实现 LLM-JEPA：不预测 token，预测嵌入
这篇文章从头实现 LLM-JEPA: Large Language Models Meet Joint Embedding Predictive Architectures。
大模型如何训练百万 Token 上下文：上下文并行与 Ring Attention
上下文并行本质上是拿通信开销换内存空间，把输入序列切到多张 GPU 上，突破训练时的内存限制
让 Q 值估计更准确：从 DQN 到 Double DQN 的改进方案
这篇文章要内容包括：DQN 为什么会过估计、Double DQN 怎么把动作选择和评估拆开、Dueling DQN 怎么分离状态值和动作优势、优先经验回放如何让采样更聪明，
RAG 检索模型如何学习：三种损失函数的机制解析
本文将介绍我实验过的三种方法：Pairwise cosine embedding loss（成对余弦嵌入损失）、Triplet margin loss（三元组边距损失）、InfoNCE loss。
对抗样本：20行Python代码让95%准确率的图像分类器彻底失效
本文会用FGSM（快速梯度符号法）演示如何制作对抗样本，并解释神经网络为何如此脆弱。
用提示工程让大模型自己检查自己：CoVe方法有效减少幻觉
Chain-of-Verification（CoVe）的思路是既然模型会在生成时犯错，那就让它生成完之后再检查一遍自己的输出，把能发现的错误纠正掉，然后再给用户看。
为什么所有主流LLM都使用SwiGLU？
本文的目标是解释为什么现代LLM架构在前馈部分使用 ``` SwiGLU ``` 作为激活函数并且已经放弃了 ``` ReLU ```
多智能体强化学习（MARL）核心概念与算法概览
单智能体 RL 适合系统只有一个"大脑"的情况，而MARL 则出现在世界有多个"大脑"的时候。
深度研究Agent架构解析：4种Agent架构介绍及实用Prompt模板
这篇文章将整理这些架构并顺便附上一些实用的prompt模板。
别再往一个智能体里塞功能了：6种多智能体模式技术解析与选型指南
这篇文章整理了 6 种经过验证的多智能体架构模式，可以有效的帮你解决问题。
