向下
LAB正在研究的
正在研究的
方向
三个并行推进的项目，覆盖大模型原理、Agent 架构与本地部署实践。 每一个方向都在回答同一个问题：AI 如何才能真正落地。
FEATURED从标准 Transformer 到 DeepSeek 的 MLA：
从标准 Transformer 到 DeepSeek 的 MLA：
KV 缓存的另一种解法
为什么 MLA 在 KV 缓存占用更多的情况下仍能带来性能优势？ 我对低秩压缩维度做了推导和本地验证，试图把这个问题讲清楚。
DeepSeek 深度研究/12 min read
阅读全文“MLA 不是减少缓存，而是让缓存中的信息更高效。”
BENCH
一些数字
0
研究项目
并行推进
0+
研究问题
覆盖 LLM / Agent / infra
0
实验平台
Mac M5 Max / RTX 5070 Ti
0B
目标模型
本地可跑通规模
数字不是炫耀，而是给出一个可验证的坐标。
你可以在这里看到研究的进展与边界。
21:47
正在研究：DeepSeek MLA