拆解 NSA 的 Triton 稀疏注意力 kernel 与 27B 模型实验，以及 DeepSeek-V3.2 中 DSA 的工程落地。

拆解 ACL 2025 最佳论文 NSA 的压缩-选择-滑窗三分支架构与原生可训练原理。

从 MHA 到 MQA 再到 GQA：分组共享 KV 头如何在几乎无损质量的前提下，把解码内存带宽压到 1/8。

拆解 FA-3 的生产者-消费者异步、乒乓调度与 2 级 GEMM-softmax 流水线，以及块量化与非相干处理如何让 FP8 注意力逼近 1.2 PFLOPS。

拆解 MLSys 2024 最佳论文 AWQ：显著权重为何由激活决定，按通道缩放如何实现无损 4-bit 权重量化。

拆解五代 Tensor Core、mma fragment 布局与 cp.async/TMA 异步流水线，以及 CUTLASS 如何组织生产级 GEMM。

拆解 FlashAttention-2 的算法微调、序列维并行与 warp 分工如何把峰值利用率从 40% 推到 73%，以及 FlashDecoding 如何驯服长上下文解码。

拆解 OpenAI 首颗自研推理 ASIC Jalapeño 的架构、软件栈与实测数据，它凭什么超越 Blackwell？

从 HBM 瓶颈讲起，拆解 FlashAttention-1 的分块算法、在线 softmax、反向重计算与 IO 复杂度分析。