TileLang 旨在简化高性能 GPU/CPU 内核（Kernels）的开发，例如 MLA（Multi-Head Latent Attention）、GEMM（GEneral Matrix Multiplication）、Dequant GEMM、FlashAttention 和 LinearAttention 等。通过在 TVM 之上构建底层编译器基础设施，并采用 Pythonic 语法，ti

humanize 是 Claude Code 插件，通过 RLCR 双模型循环解决 AI 自我审查盲区：Claude 负责实现，OpenAI Codex 独立审查，利用 Stop Hook 自动反馈并驱动迭代修复。其哲学是“迭代胜过完美”，强制人类通过计划理解测验，确保人类始终是架构师、AI 是执行者。适合对代码质量要求高的复杂任务。

虽然最近的语言模型能够将长上下文作为输入，但对它们使用长上下文的情况知之甚少。这项研究分析了语言模型在两项任务中的表现，这两项任务要求识别输入语境中的相关信息：多文档问题解答和键值检索。实验结果发现，当改变相关信息的位置时，性能会明显下降，这表明当前的语言模型不能稳健地利用长输入语境中的信息。特别是，当相关信息出现在输入上下文的开头或结尾时，性能往往最高，而当模型必须在长上下文中间获取相关信息时，

思维链（CoT）提出者 Jason Wei：关于大语言模型的六个直觉

了解大语言模型的参数高效微调（Parameter-Effcient Fine-Tuning）

微软 & CMU - Tag-LLM：将通用大语言模型改用于专业领域

本文首先明确大语言模型推理系统的关键性能指标，继而剖析预填充（Prefilling）与解码（Decoding）这两个阶段的核心特征。基于上述分析，本文指出：持续批处理（Continuous Batching）采用阶段隔离与抢占机制，虽有助于提高系统吞吐量并降低首令牌延迟（Time To First Token，TTFT），但会显著增加词元间延迟（Token-to-Token Delay，TBT），

为什么说 ChatGPT 大语言模型是一个 “格式控”？

告诉我们事实：用知识图谱增强大语言模型以实现事实感知的语言建模

humanize 是 Claude Code 插件，通过 RLCR 双模型循环解决 AI 自我审查盲区：Claude 负责实现，OpenAI Codex 独立审查，利用 Stop Hook 自动反馈并驱动迭代修复。其哲学是“迭代胜过完美”，强制人类通过计划理解测验，确保人类始终是架构师、AI 是执行者。适合对代码质量要求高的复杂任务。