综合
推理 INFRA 方法论（0）：Roofline：用算力与带宽建立性能预算
掘金0 次浏览
从算术强度、硬件转折点和实际 HBM 流量出发，判断 GEMM 与 Attention 的瓶颈，并区分量化、合批和融合的适用条件。
原文：https://juejin.cn/post/7703512148358447114上一篇不花一分额外 API 钱，用现成的 Claude Code / Codex / Cursor 搭建 AI 个人知识库下一篇Kestrel_VLLM - 29 · CUDA Graph 接到 hybrid 路径
