Blackwell 上的 DeepGEMM FusedMoE（sglang）
六阶段拆解 DeepSeek V4 的 MoE 权重流程、DeepGEMM 接口参数详解， 以及量化方案 / 并行方式 / runner backend 各自的平台与环境要求
Blackwell 上的 DeepGEMM FusedMoE（vLLM）
从 routing 到 ep_gather，逐段拆解 vLLM v0.30.0 的 DeepGemm MoE 三段式栈， 以及 FP8 block / MXFP8 / W4A8 MXFP4 三条配方在 SM100 上的差异
# torchrec 相关实现介绍 https://docs.pytorch.org/tutorials/intermediate/torchrec_intro_tutorial.html https://blog.csdn.net/lovechris00/article/details/147542184 # TorchRec 简介 torchrec：为构建可扩展和高效的使用 embedding
Ray 框架初步认知与理解
Ray 框架内部原理理解 本文参考 Ray 论文 Ray 框架解决的需求 最新的强化学习(RL)算法强调让 AI 通过与环境的不断交互来学习提升自己。其核心目标是要让 AI 学习一个策略，这个策略将根据环境的变化，让 AI 自主做出相关的应对动作，并在环境中不断提升应对策略，久而久之 AI 将学会一个有效的任务（例如赢得游戏或驾驶一架无人机）。在大规模的应用中，寻找有效的策略需要三大能力： 模
