模型结构
Causal Attention
GQA
Grouped Query Attention（GQA机制）
SparseMOE
LoRA
LLM | LoRA（Low-Rank Adaptation of large language models）
Perceiver
论文：Perceiver - General Perception with Iterative Attention
ZeRO
Zero Redundancy Optimizer（ZeRO）内存优化技术
工程架构
Triton
Triton：OpenAI开发的编写高效GPU内核（kernel）的语言和编译器框架，Triton-based kernel