拆解 NeurIPS 2023 经典 H2O：注意力的幂律分布、累计分数驱逐策略与重击者+最近区双缓冲设计。

拆解 LLM.int8() 的向量级量化与混合精度分解：系统离群值如何毁掉量化，175B 模型如何做到 8-bit 零损失推理。

2026 年 9 月大模型市场调查：一张表看懂各能力维度谁最强，附国内外主流模型参数量与 API 价格总表。

K/V 分布不对称引出非对称 2-bit 量化：拆解 ICML 2024 KIVI 的 per-channel Key、per-token Value 与流式残差窗口。

从激活离群值讲起，拆解 SmoothQuant 的数学等价平滑变换与 α 迁移强度，理解 W8A8 量化为何能无损加速 LLM 推理。

拆解美团 LSA 三大机制：流式预算、跨层索引与层级索引，说实话它相比 NSA/DSA 改进了什么。

从 LRU 前缀树、最长前缀匹配到缓存感知调度，拆解 SGLang 的 RadixAttention 如何自动复用 KV Cache。

从 OBS 到 OBQ：拆解 GPTQ 的任意顺序、懒惰批量更新与 Cholesky 三大改造，175B 模型 4-bit 量化仅掉 0.03 困惑度。

从旋转矩阵到复数乘法，拆解 RoPE 的数学原理、GPU 实现与 PI/NTK/YaRN 长度外推方法。