分类
2026
LLaVA：一座小桥，为什么能让语言模型看图
LoRA：不重写整座模型，如何学会一项新任务
推测解码：先猜几个 token，为什么答案仍然没变
PagedAttention：局部更慢，系统为何更快
DPO：奖励模型去哪了
FlashAttention：不是少算，而是少搬
Mamba：少记，为什么反而可能更懂长序列
DeepSeek-V2/V3：大模型的两张账，为什么 MLA 与 MoE 要一起看
LLaMA：没有架构革命，为什么成了开放模型的共同底座
Chinchilla：大模型不是越大越好，数据也要一起扩展
InstructGPT：用 RLHF 教会大模型「听话」
T5 / BART：把一切 NLP 任务统一成 Text-to-Text
GPT-3：In-Context Learning 与 Few-Shot 爆发
Unix Domain Socket 源码实现分析 (OLK 6.6)
GPT-1/2：生成式预训练与 few-shot 萌芽
containerd 通信机制分析
BERT：双向编码器，到底双在哪
01 | 一切的起点：Transformer 到底解决了什么问题？
