大模型推理采样：temperature、top-p、top-k 到底在控制什么
· ☕ 5 分钟 · ✍️ k4i
用一个 5-token 的小例子解释大模型推理时 temperature、top-p、top-k 的区别，并对照 vLLM V1 sampler 看它们在源码里的位置。
Vllm
vLLM 请求生命周期：从 OpenAI API 到一次 Forward
· ☕ 7 分钟 · ✍️ k4i
沿 vLLM V1 的 OpenAI-compatible server 源码追踪一次请求：HTTP 入口、serving render、AsyncLLM、EngineCore client、Tensor IPC、scheduler，以及 GPUModelRunner 的一次 forward。
LLM Inference Lab Reports：推理实验与 Benchmark 路线
· ☕ 2 分钟 · ✍️ k4i
LLM 推理实验系列索引：vLLM/SGLang benchmark、TTFT/TPOT、prefix cache、chunked prefill、PagedAttention、量化和 profiler dashboard。
vLLM / SGLang 源码阅读：从请求到一次 Forward
· ☕ 1 分钟 · ✍️ k4i
vLLM / SGLang 源码阅读系列索引：请求生命周期、scheduler、KV cache 分配、block manager、radix cache 和 benchmark。
LLM Inference Internals：推理引擎核心机制路线
· ☕ 1 分钟 · ✍️ k4i
LLM 推理引擎核心机制系列索引：prefill/decode、KV cache、PagedAttention、continuous batching、prefix caching 和 PD 分离。
Paged Attention：GPU 上的虚拟内存
· ☕ 7 分钟 · ✍️ k4i
vLLM 如何借鉴操作系统分页思想，消除 KV cache 显存碎片，将 GPU 显存利用率从约 30% 推到约 96%。
