Xin HE's Website

Share papers, techniques, and wonderful life

OSDI'26 | 双路 CPU + 两张 5090，本地跑满血 671B DeepSeek：云端 SLO 是怎么在消费级硬件上达成的

7 min read · July 23, 2026

2026 · MoE LLM CPU-GPU混合推理 DeepSeek 论文解读
arXiv'25 | SMoE：expert 不在 GPU 上？别搬了，找个'平替'直接算

3 min read · July 22, 2026

2026 · MoE Expert Offloading 边缘推理论文解读
arXiv'26 | 无损压缩逼近 Shannon 极限：你的 LLM 权重里一半以上的 bit 是白存的

5 min read · July 22, 2026

2026 · LLM 模型压缩推理优化论文解读
arXiv'26 | PLENA：Agent 时代的 LLM 推理，被两堵 Memory Wall 卡住了

5 min read · July 22, 2026

2026 · LLM Agent 硬件加速 FlashAttention 论文解读
arXiv'26 | ST-MoE：expert 激活不是随机的——用时空相关性把 expert 提前搬上片

4 min read · July 22, 2026

2026 · MoE LLM Expert Prefetching 论文解读