标签： #机器学习系统学习系列

从自回归解码的串行瓶颈出发，手算 draft–verify 接受过程，推导精确采样修正，追踪张量形状，并给出可检查实现、指标与失败边界。

从 prefill 阻塞 decode 的延迟尖峰出发，手算 token budget 下的分块调度，解释 KV 递增、优先级、容量保护与当前 vLLM 配置验证。

从静态批处理的尾部空洞出发，手算逐迭代请求替换，解释 prefill/decode 混合、token 预算、KV 容量、延迟指标与可验证的 vLLM 配置。

从变长生成的显存碎片出发，手算逻辑块到物理块的映射，解释 PagedAttention 的动态增长、Copy-on-Write、调度契约与服务端验证。

从显存读写瓶颈出发，手算分块在线 Softmax，解释 FlashAttention 如何不物化 L×L 矩阵、保持精确结果，并用 PyTorch 2.14 SDPA 验证后端与性能。

从流水线气泡出发，手算 GPipe 与 1F1B 的时间线、激活驻留和梯度累积，解释 stage 边界契约、PyTorch PipelineStage/Schedule1F1B 用法与调试方法。

从 FSDP2 仍需临时聚齐单层参数出发，手算 Transformer MLP 的列并行与行并行，解释局部张量形状、通信位置、反向传播与 PyTorch DTensor 落地。

从普通 DDP 的复制成本出发，手算 FSDP2 如何分片参数、梯度和优化器状态，拆解 all-gather、reduce-scatter、reshard、分组边界与分布式 checkpoint。