Archives

解析面向大规模大语言模型训练与推理的细粒度仿真框架 Charon，系统梳理其算子图级建模、拓扑感知通信与计算重叠减速处理等核心设计，并结合多种 GPU 架构及万卡集群验证其在性能预测与推理配置寻优上的精确度与实际收益。

TypeSafe AI 发布的 System One 模型 Jev：terra 级智力、低成本低延迟、无幻觉宣传，以及社区评测与质疑的整理。

解析EuroSys 2026系统Maya的设计与评测，其通过CPU端拦截设备API实现运行时仿真，结合轨迹合并、算子耗时回归与离散事件模拟，在无需修改用户代码的前提下高保真捕获计算通信重叠与调度开销，实现大规模分布式训练性能预测与配置高效搜索。

ISCA 2020 论文 Accel-Sim 阅读笔记：一个可在执行驱动 vISA 与追踪驱动 mISA 前端之间切换的 GPU 仿真框架，梳理其前端设计、性能模型演进与面向真实硬件的验证方法。

作为intra-ai的第一篇blog，这篇blog记录了在与ai交流过程中对并发编程的思考

记录实际使用 OpenAI Daybreak 模型的体验：能力、思考风格与安全围栏的观察，以及国内访问会被封禁且无法解除的风险提示。

针对论文行文，作图，逻辑以及语法做一个简短的随笔，并对未来的技能锻炼做展望

OSDI 2022 Orca 论文阅读笔记，梳理迭代级调度、选择性批处理与生成式模型分布式推理服务的系统设计。

由威斯康星大学麦迪逊分校（University of Wisconsin-Madison）、普渡大学（Purdue University）、香港大学（The …

ISOCC 2020 论文阅读：面向 HBM 的高效 TSV 故障检测方案，利用模式分析定位故障 TSV，为基于擦除的 RS 纠错提供前置的故障位置信息。

由香港大学和字节seed联合发布的LLM Traing的可靠性研究,详细介绍了用于支持大规模 GPU 集群稳定运行的管理系统 ByteRobust…

基于 Gemini API Cookbook 的 Agent 实操笔记，梳理 Embedding、Function Calling、MCP、Skills 与编排层关系。

CMU 15-213 课程 Malloc Lab 实验记录，从隐式空闲链表到显式空闲链表实现动态内存分配器，最终得分 85/100。

CMU 15-213 课程 Shell Lab 实验记录，实现带作业控制的 Unix Shell，涉及进程控制、信号处理与并发。

Ascend C 算子开发第五部分，介绍 PTA 适配框架（torch-npu）与 PyTorch 算子集成方式，并对全系列进行阶段性总结。

OSDI 2018 论文阅读笔记：Ray — 面向新兴 AI 应用的分布式计算框架。

OSDI 2024 论文阅读笔记：ServerlessLLM — 面向大语言模型的低延迟 Serverless 推理系统。

CMU 15-213 课程 Cache Lab 实验记录，实现缓存模拟器与矩阵转置优化，深入理解缓存命中率与分块策略。

Ascend C 算子开发第四部分，讲解自定义算子的两种调用方式及对应测试方法。

Ascend C 算子开发第三部分，介绍 HOST/DEVICE 交付件结构、编译工作流与算子工程组织方式。

CMU 15-213 课程 Architecture Lab 实验记录，基于 Y86-64 指令集实现流水线处理器的设计与优化。

Ascend C 算子开发第二部分，深入讲解 Tiling 计算模式、数据切分策略与算子调试方法。

CMU 15-213 课程 Attack Lab 实验记录，涉及缓冲区溢出攻击、ROP 等系统安全技术。

CMU 15-213 课程 Bomb Lab 实验笔记，通过反汇编与 GDB 调试破解六个关卡。

华为 Ascend C 算子开发系列第一部分，介绍 CANN 架构、Ascend C 编程模型及基本概念。

SOSP 2024 论文阅读笔记：Colloid — 分层内存管理中基于访问延迟的热页面负载均衡机制。

三年 OneDrive 使用经验总结与重要警告，包括文件同步陷阱、数据丢失风险及最佳实践。

研究生课程学习笔记：进化算法（EA）与遗传算法（GA）的核心概念，覆盖表示法、亲本选择、重组变异与生存选择，并以 TSP 问题为例实践。

arXiv 2024 论文阅读笔记，概括数据中心内大语言模型开发负载、故障、资源利用与调度优化机会。

群体人工智能研究笔记第一部分：粒子群优化算法 (PSO) 的原理、数学模型与应用。

算法竞赛中常用的数论基础知识总结，包括快速幂、GCD、素数筛、欧拉函数等核心算法。

MindSpore 入门系列第一章，记录 Ubuntu 虚拟机环境、VMware Tools 修复与 MindSpore 安装过程。

MindSpore 入门系列第二章，围绕 MNIST 示例记录数据处理、模型构建、损失函数与训练流程的初次尝试。

MindSpore 入门系列第三章，整理 Tensor 的基本概念、创建方式、属性与常见张量操作。

MindSpore 入门系列第四章，以 MNIST 为例记录 mindspore.dataset 的加载、转换与批处理用法。

MindSpore 入门系列第五章，介绍使用 nn.Cell、网络层和 Tensor 操作构建神经网络模型。

MindSpore 入门系列第六章，从神经网络训练直觉出发，记录函数式自动微分、梯度计算与反向传播概念。

MindSpore 入门系列第七章，记录数据集构建、模型定义、损失函数、优化器以及训练评估流程。

MindSpore 入门系列番外篇，整理 Transformer、注意力机制、多头注意力与位置编码的基础结构。

算法题解笔记，讨论树上路径回文判定问题，并从字符串回文、哈希、二分与马拉车算法引出解法思路。