专项论文分析
这是 ZenMind 的专项扩展栏目：一份独立维护的 GPU 大模型系统论文中文精读（2024–2025）静态报告快照。 它与本博客的随笔文章相互独立：报告以云计算架构师视角组织， 每篇论文按统一的 13 节模板精读，并用 P/R/E/I 四级证据标签 （论文 / 官方仓库 / 外部资料 / 编辑推断）区分「论文声称」与「编辑解读」。
发布状态（截至 快照）
完整报告规划核心论文 16 篇； 本快照当前包含核心论文页 16 篇， 其余 0 篇尚未完成、暂未收录。 快照只包含可直接阅读的 HTML 页面与静态资源（不含论文 PDF、原始提取文本与构建脚本）。
核心论文页：16 / 16 已发布
已收录的核心论文页
- DistServe （推理服务与资源调度）
- Sarathi-Serve （推理服务与资源调度）
- Mooncake （推理服务与资源调度）
- vAttention （推理服务与资源调度）
- FlashInfer （推理服务与资源调度）
- EAGLE （解码加速与量化）
- Medusa （解码加速与量化）
- KIVI （解码加速与量化）
- QuaRot （解码加速与量化）
- QServe （解码加速与量化）
- FlashAttention-3 （训练、并行与 GPU Kernel）
- Liger Kernel （训练、并行与 GPU Kernel）
- MegaScale （训练、并行与 GPU Kernel）
- TorchTitan （训练、并行与 GPU Kernel）
- GaLore （训练、并行与 GPU Kernel）
- DeepSeek-V3 （训练、并行与 GPU Kernel）
奠基论文（独立内容，非核心 16 篇）
除核心 16 篇外，快照另收录奠基论文：提出于更早、被核心合集反复引用的机制原始文献。 奠基论文按同样的 13 节模板与证据规则精读，但单列展示， 不计入核心论文数量、筛选与统计。
F01 · Attention Is All You Need（Transformer）
2017 年提出 Transformer 的原始论文（NIPS 2017；快照 PDF 为 arXiv v7，2023-08-02 修订版）。 详情页显式区分这两条发表记录、原样保留英法 BLEU 41.8（摘要/表 2）与 41.0（§6.1）的文内差异， 并将论文链接的 Tensor2Tensor 标注为「官方历史实现，已归档（2026-09-14 核验）」； decoder-only、RoPE、RMSNorm、GQA、FlashAttention、现代 KV-cache 服务等后续工作均不归于该论文。
如何阅读这份报告
- 每个数字都带完整条件（硬件、模型、精度、批量、基线与 PDF 页码）； 论文未披露的字段会明确写出，不会留空。
- P＝论文正文（含页码），R＝核验过的官方仓库， E＝外部资料（仅用于部署映射与版本核对），I＝编辑推断。
- 报告不做跨论文性能数字的横向排名：各篇硬件、模型与负载口径不同， 任何倍数请回到对应详情页核对完整条件。