预训练技巧
预训练是大模型的核心基础，涵盖混合精度、分布式训练、ZeRO优化、FlashAttention等关键技术，通过高效计算与显存优化，实现大规模模型的快速稳定训练。
基于MATLAB的混沌优化算法求极值实现
混沌优化算法（Chaos Optimization Algorithm, COA）通过混沌运动的遍历性和随机性实现全局搜索，结合MATLAB的矩阵运算优势，可高效求解复杂函数极值。
LMCache：基于KV缓存复用的LLM推理优化方案
LMCache推出KV缓存持久化方案，显著优化大模型推理首Token延迟（TTFT）。通过将KV缓存存储至GPU、CPU或磁盘，实现跨请求复用，支持任意位置文本匹配，与vLLM深度集成，多轮对话、RAG场景提速3-10倍，降低硬件压力，提升吞吐。开源支持Linux/NVIDIA，正拓展AMD及更多生态支持。
openEuler操作系统环境：目标检测软件开发实操与性能评估
本文系统研究了在openEuler 22.03 LTS SP3上基于YOLOv8实现鸟类目标检测的全流程，涵盖环境搭建、模型训练、性能优化与容器化部署。实验表明，openEuler凭借内核优化与异构计算支持，在GPU加速下推理速度达142 FPS，资源占用降低18%以上，展现出卓越的AI任务处理能力。
