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。
LLaMA：没有架构革命，为什么成了开放模型的共同底座
LLaMA 没有发明全新的 Transformer，却用更充分的训练、RoPE 等成熟组件和可部署的模型尺寸改变了开放模型生态。本文拆解它的配方，并澄清 GQA 到底从哪一代开始。
