圖書信息
內容簡介
對 arXiv cs.PF 分類的年度綜述，涵蓋 2025 年 9 月 至 2026 年 8 月 期間發表的研究。本卷基於對 120 篇論文 的細讀整理，組織為 44 章，按該領域的研究子方向描繪這一年的全貌。
全書框架（年度產出佔比）：
- 大語言模型推理優化與服務系統 (14.8%) — 聚焦通過壓縮、排序與專門服務架構等技術，優化大語言模型推理的延遲、吞吐與調度。
- 邊緣 AI 與分佈式資源管理 (14.8%) — 處理 AI 工作負載在邊緣與雲環境中的延遲、資源分配與服務編排挑戰。
- 高性能計算與代碼優化 (13.9%) — 涵蓋高性能計算內核與代碼框架的性能分析、自動調優與優化。
- 稀疏線性代數與矩陣乘法 (11.3%) — 探索稀疏矩陣運算、張量分解與低秩近似的高效算法與硬件加速。
- GPU 內存層次與帶寬優化 (10.4%) — 研究內存訪問模式、帶寬調節與 CPU-GPU 協同執行策略，以緩解異構系統中的內存瓶頸。
- 長上下文大語言模型的鍵值緩存管理 (9.5%) — 發展高效的鍵值緩存管理與注意力優化技術，以支持 Transformer 模型的長上下文推理。
- 人工智能的能效與功耗建模 (7.6%) — 分析 AI 工作負載的能耗模式、功耗建模方法，以及能效的軟硬件協同設計。
- 數據壓縮與可擴展學習 (6.7%) — 考察有損壓縮技術、誤差傳播，以及大規模數據挖掘與機器學習的可擴展算法。
- 作業調度與排隊論 (6.5%) — 應用排隊論與調度策略優化服務器與雲環境中的作業執行時間與資源利用。
- 量子計算與後量子安全 (4.6%) — 基準測試量子算法、後量子密碼性能，以及混合量子-經典計算架構。
每個子方向均通過三章展開論述——它如何提出自己的問題、其關鍵結論的強度，以及它開放的爭論與前沿，從而讓讀者獲得該領域今年實際產出的可溯源圖景。
