May 14, 2026 说人话理解 PARD：为什么有些请求要提前丢掉，goodput 反而更高？ May 14, 2026 说人话理解 MFS：把一个模型家族塞进同一个大模型里 May 14, 2026 用编译器「常量折叠」的思路压缩 LLM？这篇 EuroSys 2026 的工作把 FFN 参数砍了 80% May 14, 2026 说人话理解 KUNSERVE：LLM Serving 爆内存时，为什么要先丢参数？ May 14, 2026 说人话理解 IBP：不用量化，也能缓解 GPU 内存搬运瓶颈？ May 14, 2026 笔记本也能跑 128k 上下文 LLM？SolidAttention 把 SSD 玩出了新花样 May 14, 2026 LLM 推理启动慢？华为用一个「可编程 Page Cache」把模型加载砍了 79% May 14, 2026 KV Cache 的两层存储到底卡在哪？FAST'26 这篇论文给出了答案 May 14, 2026 LoRA fine-tune吞吐量提升1.96倍！LoRAFusion如何把内存带宽浪费和pipeline bubble一起干掉 May 14, 2026 延迟降47%！FineMoE如何用「细粒度」打破MoE推理的显存-延迟死局 May 12, 2026 训练一个「会管技能库」的 AI——SkillOS 让 agent 真正越用越强 May 12, 2026 MoE 训练通信瓶颈有救了？DySHARP 直接在交换机里做计算，干掉 50% 冗余流量 May 10, 2026 把 Dense LLM 变成 MoE 还能推理提速？NeurIPS 2024 Read-ME 做到了 May 10, 2026 说人话理解 EPIC：KV Cache 复用的「编译-链接」范式（附可运行代码复现） Apr 29, 2026 MoE 推理的内存墙，被一块多芯粒芯片打穿了？ Apr 27, 2026 KV Cache 也能「语义共享」？SemShareKV 用 LSH 做到了 Apr 27, 2026 多 Agent 协作不需要说「人话」？LatentMAS 让 LLM 在隐空间里直接协作 Apr 26, 2026 KVCOMM：让多 Agent 系统的 KV Cache 真正“通起来”，TTFT 直接砍掉 7.8 倍 Apr 26, 2026 KV Cache 复用的第三条路：FAST 2026 CacheSlide 是怎么解决 Agent 推理的位置漂移问题的 Apr 26, 2026 让不同 LLM 之间共享 KV Cache？DroidSpeak 是怎么做到的