模型量化实战：从 AWQ/GPTQ 到 NVIDIA FP8 推理的工程部署与性能调优
深度剖析大语言模型推理中的量化技术路线，从 GPTQ、AWQ、SmoothQuant 到 NVIDIA 硬件级 FP8 推理，结合 vLLM 与 TensorRT-LLM 实战部署，给出一套完整的工程方案。
KvCache
LLM推理引擎深度架构与2026优化全景：从PagedAttention到MoE混合专家并行
vLLM架构深度拆解：PagedAttention实现KV内存零浪费；Continuous Batching革命性吞吐量提升；Multi-Step Scheduling流水线重叠；TensorRT-LLM与vLLM双引擎对比；MoE混合专家并行三策略；Tensor/Pipeline/Expert并行四子群；Speculative Decoding推测解码；KV Cache量化压缩；Disaggregated Prefix Caching分离式Prefill架构；2026推理部署最佳实践全景
