TensorRT-LLM 0.5.0 源码之十一
mlp.py在这里插入图片描述MLPclass MLP(Module): def __init__(self, hidden_size,
阅读全文AI原生开发中的MCP与CLI对比
摘要CLI与MCP的选择，本质取决于你处于开发流程的哪个环节。CLI适配开发内循环：快速、本地、零开销。MCP服务适配开发外循环：对接外部系统、共享基础设施、提供结构化访问。绝大多数团队需要两者结合
阅读全文flashinfer.sampling 实现一
jit.sampling# jit/env.py_package_root: pathlib.Path = pathlib.Path(__file__).resolve().parents[1]FL
阅读全文TensorRT-LLM 0.5.0 源码之九
embedding.pyclass Embedding(Module): """ The embedding layer takes input indices (x) and the
阅读全文TensorRT-LLM 0.5.0 源码之八
activation.pyclass Mish(Module): def forward(self, input): return input * tanh(softplus(i
阅读全文C++ 中 ... 符号
在 C 模板语法中，`template` 中的 `...` 是 **参数包展开运算符**，用于声明**可变参数模板**（Variadic Template）。它的核心作用是让模板能够接受**任意数量
阅读全文Qwen3-TTS 技术报告
摘要本报告提出Qwen3-TTS 系列模型，这是一套先进的多语言、可控制、高鲁棒、流式文本转语音模型家族。Qwen3-TTS 支持当前最优的 3 秒语音克隆与基于文本描述的语音控制，既可生成全新音色
阅读全文Vibe Coding 氛围编程最佳实践
Vibe Coding 核心是依托氛围进入心流，以创意、快速迭代为目标，常结合AI辅助完成原型开发、创意编程，区别于传统严谨工程化开发，以下是完整最佳实践：一、核心原则1. 先跑通逻辑，再追求规范
阅读全文Paged Attention, IFB, and Request Scheduling
In-flight BatchingTensorRT LLM 支持请求的在途批量处理（也称为连续批量处理或迭代级别批量处理），以提高服务吞吐量。通过此功能，上下文阶段的序列可以与生成阶段的序列一起进
阅读全文理解 VoxCPM 模型
在这里插入图片描述这是 VoxCPM，一款由 OpenBMB 推出的无分词器（Tokenizer-Free）端到端文本转语音（TTS）模型。它通过分层语言建模和扩散自回归架构，直接生成连续的语音表示
阅读全文TensorRT-LLM 0.5.0 源码之七
graph_rewriting.pyLayerclass Layer: ''' Layer is a wrapper for TensorRT's ILayer with several
阅读全文Claude Code 源码泄露：伪造工具、挫败感正则、卧底模式及更多
Anthropic 在其 npm 包中意外附带了源映射文件，导致 Claude Code 完整源码暴露。本文带你深挖其中的核心细节。以当邵超凡（Chaofan Shou）今早发现，Anthropic
阅读全文Claude Code代码泄露事件-愚人节前的礼物
事件核心概览2026年3月31日（愚人节前夜），Anthropic旗下AI编程工具Claude Code的完整源代码意外泄露，起因是npm包发布时的配置失误，而非黑客攻击。安全研究员Chaofan
阅读全文Multi-Head, Multi-Query, and Group-Query Attention
本文件详细介绍了在 TensorRT LLM 的 PyTorch 后端中，针对自回归模型实现的多头注意力（MHA）、多查询注意力（MQA）和分组查询注意力（GQA）的具体方法。多头注意力机制涉及一系
阅读全文How to debug TensorRT-LLM
Overview通常，在调试 TensorRT-LLM 模型时，我们希望打印出中间的张量值。TensorRT-LLM 遵循“define-and-run”的模式，因此我们需要将感兴趣的中间张量标记为
阅读全文如何定位TensorRT的库和头文件
在 CMake 项目中成功使用 find_package(TensorRT) 来定位和链接 TensorRT 库，关键在于确保 CMake 能够找到其特定的配置文件。由于 TensorRT 的安装方
阅读全文PagedAttention
What is PagedAttention?随着大型语言模型（LLM）的发展，许多行业都在开发并利用这些模型为各种目的服务。像 GPT-4、Claude、Gemini 等众多模型已展现出理解、生成
阅读全文TensorRT-LLM 0.5.0 源码之六
network.py_UniqueNameGenerator# name1 = generator('UserService', 'com.moduleA') # 返回 'com/moduleA/
阅读全文如何优化 regex_replace loop ?
下面是待优化的代码，正则表达是已经预编译了，但性能还是差，大概需要 1.3ms 左右，优化后只需 33us。这里的pattern类似app，replacement类似a p p，模式简单，所以可以考
阅读全文什么是 Programmatic Dependent Launch
Programmatic Dependent Launch (PDL) 是 NVIDIA 在 Hopper 架构中引入的一项关键技术，主要用于优化GPU内核（Kernel）的调度和执行效率。其核心目
阅读全文在 Nginx 中为 WebSocket 配置负载均衡
在 Nginx 中为 WebSocket (WS) 配置负载均衡，关键在于正确设置协议升级和保持长连接。下面是一个清晰的配置指南和实例。核心配置步骤WebSocket 连接始于一个 HTTP 升级请
阅读全文多线程中如何正确使用 libcuckoo 库
libcuckoo 被设计为一个高性能的并发哈希表，其“正确使用”的核心在于理解它提供的线程安全保证和相应的 API。下面我将详细解释在多线程编程中如何正确使用 libcuckoo。核心思想：线程安
阅读全文TensorRT-LLM 0.5.0 源码之五
functional.pydef constant(ndarray: np.ndarray) -> Tensor: ''' Add a constant layer. Tensor
阅读全文如何让AI听懂你的“话外音”？GOAT-SLM模型实现更懂情感的语言交互
Abstract端到端语音语言模型（SLM）的最新进展显著提升了人工智能系统进行自然语音交互的能力。然而，大多数现有模型仅仅将语音视为语言内容的载体，常常忽略了人类语音中蕴含的丰富副语言和说话者特征
阅读全文TensorRT-LLM 0.5.0 源码之四
builder.pyclass _BuildingFlag: def __enter__(self): os.environ['IS_BUILDING'] = '1' de
阅读全文TensorRT-LLM 开发环境构建
看了 0.17.0 的 release note 得知基础镜像为 nvcr.io/nvidia/pytorch:25.01-py3, TensorRT 依赖 10.8.0， CUDA 依赖 12.8
阅读全文TensorRT-LLM 构图
trtllm 使用 Module 模块实现 Layer 的构图。class Module(object): def __init__(self) -> None: self._m
阅读全文