文章

Datawhale llm-algo-leetcode 推理优化课程的笔记导航页，汇总本系列各 Task 的学习笔记（GPU 架构与内存、KV Cache 优化技术等）。

LeetCode 题解汇总。

KV Cache 内存计算与优化技术：MHA/MQA/GQA/MLA 注意力架构、KV Cache 量化、Sliding-Window Attention、StreamingLLM、PagedAttention、Prefix Caching、CPU Offloading。Datawhale llm-algo-leetcode 推理优化课程 Task 1-2 笔记。

GPU 架构与内存层次详解：V100/A100/H100/B200 规格与架构演进、Tensor Core、GPU 内存层级。Datawhale llm-algo-leetcode 推理优化课程 Task 1-1 笔记。

整理 LeetCode 双指针题目的核心思路：用两个指针描述位置或范围，并按规则移动，涵盖移动零、盛水容器、三数之和、接雨水、最长回文子串。

整理 LeetCode 哈希表题目的核心思路：先建表，再查表。

整理 LeetCode 刷题中常用的 Python list、dict、set 与 defaultdict(list) 基础区别。

LeetCode 三数之和题解：先排序，再固定一个数并用双指针寻找不重复三元组。