1. 这份索引如何进入 Mainline
这些文章同时涉及模型、GPU、通信、网络、存储和 Infra。为了便于系统阅读，本资料按数据路径重排内容：模型计算图和状态决定 GPU kernel 与 KV 字节，runtime 负责 batch 与迁移，互联、存储和控制面继续承接这些流量。这样能把新名词放回实际执行路径中。
每条入口都标出它应该先连到哪一页。若原文是分析、猜测或评论性文章，本页不会把其中未公开的信息转写为已证实事实。
2. DeepSeek-V4详细分析(1): 算法和模型结构
算法要落到部署上，需要回答几个具体问题：attention 保存什么 KV 表示，MoE 的总参数、活跃参数与 top-k 分别是多少，专家放在哪些 GPU，长上下文是否改变访问集合。这些答案决定权重分片、KV 容量和 EP all-to-all，benchmark 名次无法替代它们。独立解释见 DeepSeek-V4 状态页、Transformer/MoE 和 GPU 算子；2026 DSpark 的半自回归草稿、置信度验证与变长执行见 31 DSpark。
3. 谈谈Kimi Attention Res的工作
任何以 attention 替代/残差/压缩为核心的工作，都要区分三类收益：训练 FLOPs 是否下降；prefill 的矩阵/attention kernel 是否更小；decode 时每 token 要从 KV 读出的字节是否下降。后两者才直接决定在线服务。评价时还要看是否牺牲了长程检索、是否需额外状态，以及是否有公开的高效 kernel。
先读 attention 形状、attention kernel、KV 字节公式，再回到原文判断它到底减少了哪个量。
4. 基于可训练先验的广义最优传输注意力机制
最优传输类 attention 用结构化匹配约束全量 token-pair 交互。系统评估应检查归一化或迭代是否需要额外 kernel，矩阵是否仍为稠密，推理时能否复用状态，以及长序列下究竟减少了计算或 KV 读取，还是增加了预处理。若每个 decode step 都要重新迭代，全量 attention 的成本可能只是换了一种表现形式。
5. 再来谈谈Sparse Attention
稀疏 attention 先要说明稀疏图如何得到：固定滑动窗口、全局 token、路由器、可训练 indexer 或检索器。然后问它是训练和推理一致，还是仅在长上下文采用；miss 时有没有回退路径；block 稀疏能否被 GPU 高效处理。随机稀疏或 token 级不规则访问即使理论 FLOPs 少，也可能比密集 FlashAttention 更慢。
与本资料的连接是 attention kernel、状态结构 和 通信拓扑。稀疏度不能脱离访问局部性和硬件实现阅读。
6. 猜一猜DeepSeek-V4的模型架构
“猜一猜”应被看作选题和假设清单，不是规格来源。对公共模型系统而言，最容易被错误外推的是参数数量、MoE router、KV 压缩、上下文长度和硬件布局。Mainline 的规则是：预测可解释为什么某种架构有服务动机，但只有官方发布、模型卡、可复现代码或正式技术报告才能写成模型事实。
对应的证据等级和已核验资料集中在 DeepSeek-V4 页面与来源页。
7. 谈谈DeepSeek Engram: Conditional Memory
条件记忆的系统含义不是“多一个缓存”。它需要定义记忆写入的触发条件、检索 key、可见性、过期、训练时/推理时一致性和在分布式 worker 上的位置。若 memory 影响 hidden state，它比 prefix KV 更接近模型状态，因而不能简单地作为通用跨用户 cache。若它只做外部检索，则要计入额外网络和 embedding/lookup 延迟。
这条线连接 prefix sharing、远端 KV 与路由 和 agent 的会话恢复。
8. 谈谈mHC-Lite:无需使用Sinkhorn-Knopp迭代的算法
若路由、匹配或归一化去掉 Sinkhorn-Knopp 类迭代，潜在收益通常在于减少迭代 kernel、同步和数值不稳定。是否改善 serving，要看原先迭代是否位于关键路径，以及替代算法是否引入更大的常量、随机访问或通信。实现层应测量每 token 的 kernel 数、临时工作区、收敛/稳定性和 MoE/attention 端到端质量，而不只看单个数学目标。
9. 谈谈未来Attention算法的选择, Full, Sparse or Linear ?
这三类不是简单的速度排行。Full attention 有成熟的密集 kernel 和最直接的精确语义；sparse attention 用选择机制换取更少的访问，但要承担 miss 和不规则性；linear attention 用递推状态避免随序列长度增长的显式 KV 读取，却改变表达形式和训练/推理状态。正确选择取决于模型任务、上下文长度、精度要求、训练支持、GPU kernel 与并发模式。
对于数据中心，还要再加一问：状态是否能分页、量化、迁移和跨节点路由？这决定它是否能与现有 KV 基础设施共存。
10. 学习一下DeepSeek-V3.2
学习上一代模型的最好方式，是把“模型改动”翻译成服务配方的变化：KV bytes/token 是否变了？专家 all-to-all 是否变了？长 prompt prefill 是否有特殊 kernel？权重精度、投机生成和上下文策略是什么？这些问题在 架构、生命周期、算子 中有可复用的回答框架。
11. 从GPT-OSS谈谈大模型算法和Infra演进
算法与 Infra 的共同界面是张量和状态：模型决定权重、activation、KV、专家 token 的形状；runtime 决定它们的批处理、地址与生命周期；网络决定跨 GPU 的传输代价；控制面决定何时在哪里保留或迁移状态。这个页面是专栏选题与 Mainline 总图的直接交点，建议从 因果图顺序进入。
12. 账号不是只有架构：网络与基础设施如何接回模型主线
模型并行不能脱离网络域，KV 与 checkpoint 也不能脱离存储和恢复。完整的基础设施分支从 22 Scale-up/Scale-out 开始，经由 23 RDMA、24 AI Ethernet、25 GPU 内存互联、26 Fabric 拓扑/QoS、27 DPU/NIC，再到 28 网络化存储、29 观测与可靠性 和 30 MPI/DPDK/可编程网络。
这些页面从 2025 的 Zartbot 标题级线索出发，但不会把二手分析误写为标准或设备事实。它们以 2026 的 OCP ESUN、UEC、推理 fabric 参考架构与项目文档校准状态，完整来源见 来源页。
13. Agent 怎样进入研究闭环，而不取代证据
2025–2026 的相关标题不只讨论模型服务：它们还包括用 Agent 做 GPU 微架构分析、用 Agent 协作实现 Host-to-Device 数据路径、AI 编程的方法讨论、Agent Infra、Agentic 架构/互连和多 Agent 协作。它们现在由 32 · AI/Agent 做科研 单独展开：资料检索、反汇编/性能测量、正确性门禁、可重置环境、证据账本、反例与 AI4Science 的 PDE/FEM 验证都被拆开说明。
该页不会把任何一篇第三方文章的产品叙述或一次 benchmark 自动升级为事实；Zartbot 文章只作为实践入口，技术结论需要相应的代码、环境、原始测量、论文或官方文档。
14. 如何把专栏中的新条目接入，而不制造传闻
- 记录原始标题、链接、发布日期和文章类型（解读、推测、论文介绍、官方报告）。
- 提取可验证的主张：模型版本、算法、复杂度、实验设置和系统数字。
- 为每个主张寻找论文、模型卡、代码 release 或官方运行时文档；找不到时标记为分析/未证实。
- 创建独立 HTML：问题、机制、公式/数据路径、部署含义、限制、来源。不要把多条题材堆在一个导读段落中。
- 从本页和 Mainline 首页互相链接，使文章入口与完整概念页可双向追踪。
15. 来源与版权说明
官方来源是用户提供并已逐个分页的 25 个 Zartbot album，具体目录、每个专辑的边界和原始链接均在 相关公众号内容目录 中单独说明；第三方标题级档案只作 2025 补充。本页只保留标题、链接和独立技术映射；未复制文章正文、图片、表格或长段落。模型和系统事实请使用本资料的来源与证据中的一手材料交叉验证。