FlashAttention：不是少算，而是少搬
FlashAttention 没有近似注意力，也没有消除二次计算；它通过分块、在线 softmax 与重计算避免物化巨大的注意力矩阵。本文从 GPU 内存层级解释它为何更快，以及 FA2、FA3 如何继续榨出硬件效率。
Mamba：少记，为什么反而可能更懂长序列
Mamba 不保存完整 KV cache，而是用选择性状态空间把历史压进固定状态。本文从选择性、扫描算法与实证边界解释它为何成为 Transformer 之外的重要路线。
DeepSeek-V2/V3：大模型的两张账，为什么 MLA 与 MoE 要一起看
DeepSeek-V2/V3 同时压缩 KV cache 与稀疏激活专家。本文从推理时真正搬运的数据出发，拆解 MLA、解耦 RoPE、DeepSeekMoE 与 V3 的无辅助损失负载均衡。
