推理加速

外观

前沿进展

本页速览 推理加速前沿每周都在变化：本文给出用 arXiv、系统顶会与开源仓库追踪研究的方法，拆算子层、服务系统、投机解码、量化、架构创新与硬件代际六条主线，并诚实评估未解难题，助你选择深耕方向。

前沿进展 ​

"前沿"是个陷阱词。它既意味着机会，也意味着最密集的信息噪声——每周 arXiv 上涌现数十篇推理论文、每月有新引擎发布、每条研究主线都有人在宣告"3× 加速"。如果不加方法地追，你会疲于奔命；但如果完全无视，你会错过这个领域十年一遇的结构性变化（如 H100 时代的 FP8、B200 时代的 FP4、Prefill/Decode 分离范式、spec decoding 的训练时内化）。

本文的目标是给出一张有方法的地图：先讲清楚如何低成本、低噪声地追踪前沿（渠道与优先级），再拆解当下最值得关注的六条研究主线（现状、代表工作、关键问题），然后诚实回答"哪些问题还没解决"，最后给出选择深耕方向的具体建议。它既是前沿导航的展开，也与核心论文精读、常见问题互为补充。

一、如何追踪前沿 ​

前沿信息不是太少，而是太多。有效的追踪者做的不是"全部读完"，而是建立一条有优先级的信号管道。

1. arXiv：一手战场 ​

几乎所有重要工作都以预印本形式先发在 arXiv 上，随后才被会议接收。对推理加速研究者来说，几个子分类是主战场：

分类主题说明
cs.LG机器学习算子、量化、spec decoding 论文多发于此
cs.DC分布计算服务系统、并行、集群调度论文多发于此
cs.OS操作系统SOSP/OSDI 投稿常先在此
cs.PF性能评测benchmark、roofline、profile 工作
cs.AR计算机体系结构硬件协同、ISA 论文

每日更新量在数十篇量级，直接刷列表效率极低。实用的做法有三种：

  • 跟作者与机构：在 arXiv 订阅你关注的学者（比如你精读过的论文的作者）的新提交，而不是刷全量列表。一个小组持续产出，通常比随机看一百篇有价值得多。重点作者：Tri Dao（Princeton/Together）、Lianmin Zheng（Berkeley/DeepSeek）、Ying Sheng（MIT/Together）、Zhuoming Chen（Princeton）、DeepSeek-AI 的系统组、NVIDIA TensorRT-LLM 组、vLLM 项目核心团队。
  • 用工具做筛选：Hugging Face Papers 每天按热度整理论文并附带代码、讨论；Papers with Code 按任务查 SOTA；AlphaXiv 等工具可以直接在论文页面上提问。
  • 只精读高信号论文：一篇论文值不值得精读，先看三点——题目是否回应你正在解决的部署问题、作者/机构是否有延续性、是否同时发布了代码与权重。

时间线经验

预印本永远快于会议：从投稿到发表往往隔 6–10 个月。2023 年 6 月挂出的 vLLM 论文，2023 年 10 月才在 SOSP 出现，但它的影响力从预印本发布那天就开始了。读预印本、按会议查证版本，是研究者的标准节奏。

2. 评测与榜单：把"感觉"换成"数字" ​

单纯追论文会被叙事带偏——宣传稿总是报喜。对抗噪声的第二条管道是评测聚合站：

渠道用途特点
Papers with Code按任务查 SOTA 榜单每个基准的最高分、代码、论文一一对应
Artificial Analysis推理成本 / 速度 / 质量对照把"强不强"与"贵不贵"放在一起看，贴近工程决策
vLLM benchmarks引擎级吞吐 / 延迟基准跟 vLLM main 同步演进，最贴近工业部署
SGLang benchmarks引擎对比 + spec decoding 基准spec decoding 与 RadixAttention 的对比数据

评测站的局限也要知道：榜单总是滞后于发布、且容易被刷分污染。它的正确用法不是"谁第一就信谁"，而是给你一个横向坐标，帮助判断一篇论文声称的提升是真实还是噪声——这部分方法与坑见前沿导航中的阅读方法，以及评测资源档案。

3. 开源仓库与 PR：工程信号的第二管道 ​

推理部署领域有个独特现象：很多重要工作先出现在 GitHub PR 里，再写论文。值得长期盯的仓库：

仓库价值
vllm-project/vllm主线 PR 里藏着 PagedAttention 演进、Chunked prefill、各类 spec decoding 集成
NVIDIA/TensorRT-LLM工程与硬件协同的一线信号，FP8/FP4 kernel 通常先在这里落地
flash-attentionFA 系列与相关算子的官方实现，issue 里有大量边界 case
flashinfer-ai/flashinfer可组合 KV 格式、块稀疏 attention 的官方实现
sgl-project/sglangRadixAttention 与 spec decoding 的工程前沿
llama.cpp端侧推理事实标准，GGUF 量化格式的演进

4. 顶会：沉淀后的系统知识 ​

顶会论文比预印本晚，但经过了同行评审，且会议有组织性的教程（Tutorial）与综述（Survey），是补系统知识的最佳入口：

会议领域每年大致时间
SOSP / OSDI操作系统与系统10–11 月交替
MLSys机器学习系统3 月
ASPLOS软硬件接口3–4 月
ISCA / HPCA体系结构6 月 / 4 月
NeurIPS / ICML / ICLR机器学习综合12 月 / 7 月 / 4–5 月

追踪顶会不必参会：录用列表公布时扫一遍标题，会议结束后看 tutorial 材料即可。对于一个新人，一两个高质量 Tutorial 比五十篇论文管用，因为它们把该领域的坐标系讲清楚了。

把四条管道按"速度 × 深度"排列：

  速度高 ┌────────────────────────────────────┐
         │  GitHub PR、X/博客、实验室动态   ── 信号，噪声最多 │
         │  arXiv 每日更新                  ── 一手论文      │
         │  评测榜 / HF 论文日报            ── 聚合 + 数字   │
         │  顶会论文与教程                  ── 沉淀后知识    │
  深度高 └────────────────────────────────────┘
         读得越深，判断越稳；追得越急，越容易被带偏。

二、六条研究主线 ​

下面六条主线是当下最活跃、也最影响产业走势的方向。每条都给出现状、代表工作、关键问题，并按"论文名称（arXiv 号）→ 一句话要点"的方式引用，方便你在核心论文精读中对照精读。

主线一：算子层前沿——从 IO 感知到硬件协同 ​

现状。 FlashAttention v1/v2 把 attention 瓶颈从 FLOPs 纠回到 IO，2024 年起算子前沿进入第三代：与硬件代际深度协同。FlashAttention-3 用 H100 的 FP8 + 异步（warp-specialized），把峰值推到 1.2 PFLOPs；FlashInfer 用块稀疏 + 可组合 KV 格式，把 paged KV 与变长 attention 统一在一个 kernel；vAttention 反过来问：能不能用硬件原生 sparse attention 替代软件 PagedAttention，避免 SM 阻塞？

代表工作。

工作要点
FlashAttention-3: Fast and Accurate Attention with Asynchrony and Low-precision（arXiv:2407.08608）H100 上 FP8 + 异步（warp-specialized），峰值 1.2 PFLOPs，比 FA2 快 1.5-2×；展示了"算子协同硬件代际"的范式
FlashInfer: An Efficient and Customizable Attention Engine for LLMs（arXiv:2401.12448）块稀疏 + 可组合 KV 格式（PagedKV、RaggedKV、BlockSparse），统一 attention 接口；2025 MLSys 论文
vAttention: Efficient Attention with Suffix Parallelism（arXiv:2405.04447）用硬件原生 sparse attention 替代软件 PagedAttention，避免 SM 阻塞；提出"软件 paged 是临时方案，硬件稀疏才是终局"的争论
Flash-Decoding（Dao 等，2023 博客）长序列、batch=1 解码场景下，FA 的并行度改进，把 KV 切块并行
Lightning Attention-2（Qwen 团队，2024）线性 attention 的工程实现，在长上下文下推理成本接近线性

关键问题。

  • 硬件代际决定算法选择：FA2 在 A100 上最优，FA3 在 H100 上最优，FP8/FP4 kernel 在 Blackwell 上才甜。硬件换一代，算子要重写一次，这是算子层的核心痛点。
  • 软件 vs 硬件稀疏：vAttention 提出的"用硬件稀疏替代软件 paged"是 2024 年最有趣的争论。短期内软件方案仍主流，但硬件稀疏是否会终结 PagedAttention，是值得追的开放问题。
  • 统一接口缺失：FlashInfer 的尝试说明，目前 attention 算子接口太多（PagedKV、RaggedKV、BlockSparse、FA），缺少统一抽象。这是引擎开发者的日常痛点。算子机制详见算子融合与GPU 优化。

与你的关系

如果你做算子：算子层是"必须持续跟进"的主线，硬件代际迁移即算法重写。如果你做引擎：算子层只看接口与 benchmark，不需要追每篇论文。如果你做研究：算子层是最难做但影响最大的方向——能写出 FA4 级别的工作就是 NeurIPS/MLSys 的最佳论文候选。

主线二：服务系统前沿——从单引擎到 Prefill/Decode 分离 ​

现状。 vLLM 的 PagedAttention 解决了 KV cache 碎片化，但 LLM 服务还有两个遗留问题：① prefill 与 decode 的算力/显存比完全相反，同 GPU 同 batch 时互相干扰；② 多轮对话与 few-shot 场景下，KV cache 的前缀重复计算浪费。2024 年的两条主线——Prefill/Decode 物理分离与前缀树复用——分别解决这两个问题。

代表工作。

工作要点
DistServe: Disaggregating Prefill and Decoding for Goodput-optimized LLM Serving（arXiv:2401.09670）prefill 与 decode 物理分离到不同 GPU，各自独立 scaling，避免互相干扰；P99 延迟减半
Splitwise: Efficient generative LLM inference using phase splitting（HPCA 2024）与 DistServe 思路相似，但聚焦集群级方案，做分阶段机器调度
SARATHI: Efficient LLM Inference by Piggybacking Decodes with Chunked Prefills（arXiv:2308.16369）chunked prefill：把长 prefill 拆 chunk 与 decode 同 batch，平衡算力与显存；vLLM 0.5+ 已集成
SGLang: Efficient Execution of Structured Language Model Programs（arXiv:2312.07104）RadixAttention：前缀树复用 KV cache，多轮对话与 few-shot 场景的吞吐利器
Mooncake: A KV-Centric Decoupled Architecture for LLM Serving（arXiv:2407.00079）月之暗面的全球级架构：把 KV cache 当一等公民存储与传输，KV cache 分离
AlpaServe: Scaling for Large-Scale Deep Learning Serving（OSDI 2023）多模型部署的统计复用率分析，指导多模型时分复用

关键问题。

  • 分离 vs 混合的权衡：DistServe 的物理分离代价是机器利用率不均（prefill 机器忙、decode 机器闲）；SARATHI 的混合方案代价是 prefill 与 decode 互相干扰。短期看混合（SARATHI）落地更多，长期看分离（DistServe）更可能成为大规模服务的范式。
  • KV cache 的存储与传输：Mooncake 把 KV cache 当一等公民，但跨节点传输 KV cache 的带宽成本与延迟开销仍是开放问题。KV cache 的"分布式存储"会不会成为下一个 vLLM 级的范式？ 值得持续关注。
  • 前缀复用 vs chunked prefill 的协同：SGLang 的 RadixAttention 与 SARATHI 的 chunked prefill 在多轮对话场景下有协同，也有冲突。主流引擎正在融合两者，但最佳实践仍在演化。服务机制详见批处理与调度与模型服务。

主线三：投机解码前沿——从接受率 50% 到 6.5× 加速 ​

现状。 2023 年 Leviathan 把 spec decoding 正式化时，接受率约 50%，加速 2-3×。2024 年 Medusa/EAGLE-1/2 把接受率推到 70%+，加速 3-5×。2025 年 EAGLE-3 把加速比推到 6.5×。同时，DeepSeek-V3 把 spec decoding 内化为训练目标（MTP），开启了"训练时学会 draft"的新范式。spec decoding 是 2024–2026 年 LLM 推理最活跃的研究方向之一。

代表工作。

工作要点
EAGLE-3: Scaling up Inference Speed（arXiv:2503.01840）NeurIPS 2025，用深层特征 + 训练目标改进，加速比 3-6.5×；EAGLE 系列的最新标杆
P-EAGLE（AWS, 2025）解耦 drafting：draft 模型可以独立部署，不与主模型耦合，简化多模型集成
SpecForge（SGLang 组, 2025 博客）多 draft 模型训练管线：把 spec decoding 当作"工程产物"训练，可批量产出 draft 模型
DeepSeek-V3 MTP（arXiv:2412.19437）主模型原生支持 multi-token prediction，训练时学 spec decoding 能力；spec decoding 的训练时内化
Medusa（arXiv:2401.10774）主模型多头并行预测，简化 spec decoding；EAGLE 的前奏
EAGLE-2（arXiv:2406.16858）动态 draft tree，接受率 70%+
SpecBench（SGLang, 2024）spec decoding 的统一评测基准，对比 EAGLE/Medusa/SpecInfer 等方案

关键问题。

  • 训练时 vs 推理时 draft：DeepSeek-V3 MTP 的"训练时学会 draft" vs EAGLE 系列的"推理时附加 draft"，哪个能成为主流？短期看 EAGLE 工程化更成熟，长期看 MTP 与模型架构深度耦合可能胜出。2025–2026 年的关键开放问题。
  • draft 模型的解耦与可移植性：P-EAGLE 与 SpecForge 把 draft 模型做成"独立训练产物"，意味着未来可能有"draft 模型即服务"——新模型发布时配套发布 draft 模型，可能成为标配。
  • 接受率的上限：EAGLE-3 接受率 80%+，加速 6.5×。接受率能到 100% 吗？ 显然不能，但上限在哪、能否做自适应 budget（易猜的 token 多猜、难猜的少猜），是活跃研究方向。案例详见投机解码案例。

主线四：量化前沿——从 4-bit 到 FP4 与旋转量化 ​

现状。 量化的甜点从 INT4（GPTQ、AWQ）→ INT8 激活（SmoothQuant）→ 2024 年的 FP8（H100）→ 2025 年的 FP4（Blackwell B200）。同时，旋转量化（QuaRot、SpinQuant）用等价变换"抹平"分布，让 W4A4 量化精度大增。量化的两条主线——硬件格式与等价变换——正在汇合。

代表工作。

工作要点
FP8 Formats for Deep Learning（NVIDIA, 白皮书）H100 引入 FP8 Tensor Core，硬件级量化甜点格式；E4M3 与 E5M2 两种格式
FP4 Inference on Blackwell（NVIDIA, 2024）B200 引入 FP4 Tensor Core + NVFP4 量化格式，权重量化甜点
QuaRot: Outlier-free 4-bit Inference for Rotated LLMs（arXiv:2404.00456）随机正交变换把离群值"抹平"，让 W4A4 量化精度大增
SpinQuant: LLM Quantization with Learned Rotations（arXiv:2405.16406）学习型旋转矩阵，比 QuaRot 的随机旋转更优，W4A4 接近 W4A16
BigVGQ: Bit-Grouped Quantization（2024）把权重按子组量化，进一步降低量化误差
GPTQ/AWQ/SmoothQuant（精读见此）二阶/激活/平滑的经典 4-bit 与 8-bit 量化方案

关键问题。

  • 硬件格式 vs 算法量化的赛跑：FP8 让硬件原生支持 8-bit 浮点，但算法量化（GPTQ/AWQ）能到 4-bit。当硬件原生支持 FP4/NVFP4（B200）后，算法量化是否还有优势？ 短期看 GPTQ/AWQ 在 A100/H100 仍主流，长期看 NVFP4 可能终结权重量化的算法研究。
  • W4A4 vs W4A16 的精度差：W4A16（权重 4-bit、激活 16-bit）已经接近无损，但 W4A4（全 4-bit）仍损失明显。旋转量化（QuaRot、SpinQuant）让 W4A4 接近 W4A16，但还不够。W4A4 何时成为默认？ 取决于硬件与算法的双重突破。
  • 旋转量化的理论极限：QuaRot 用随机旋转，SpinQuant 用学习旋转，最优旋转是什么？ 仍是开放问题。理论上"Hadamard 变换"可能更优，工程上还在验证。量化机制详见量化与权重混合精度。

主线五：架构创新——SSM、MoE 与线性 attention ​

现状。 Transformer 不是唯一选择。Mamba/SSM 在长序列上推理成本接近线性；MoE（DeepSeek-V3、Mixtral）让开源模型推到千亿级；Linear Attention（Lightning Asst、GLA）试图打破 O(n²) 复杂度。架构层的创新正在重塑推理引擎的设计——MoE 要支持专家并行与路由，Mamba 要支持状态推理，Linear Attention 要支持 chunk-wise 计算。

代表工作。

工作要点
Mamba: Linear-Time Sequence Modeling with Selective State Spaces（arXiv:2312.00752）选择性状态空间模型，长序列推理成本接近线性，挑战 Transformer 的 O(n²)
Mixtral of Experts（arXiv:2401.04088）8 专家 MoE 开源权重，把 MoE 从闭源带入开源；推理侧专家并行成为标配
DeepSeek-V3 Technical Report（arXiv:2412.19437）256 专家 + 8 激活 MoE + MTP，开源 MoE 推理服务标杆
Lightning Attention-2（Qwen 团队，arXiv:2401.11461）线性 attention 的工程实现，长上下文下推理成本接近线性
Gated Linear Attention（GLA, Yang 等, 2024）带 gating 的线性 attention，比 Mamba 更易并行训练
Jamba（AI21 Labs, 2024）Mamba + Transformer 混合架构，工业上首次把 SSM 用在大规模 LLM

关键问题。

  • MoE 推理的工程化挑战：256 专家的显存驻留、专家路由负载均衡、跨节点通信，比 Llama-3-70B 复杂得多。新模型架构 vs 推理引擎能力，总是你追我赶——SGLang、vLLM 花了半年才把 DeepSeek-V3 高效推理跑通。
  • SSM/Mamba 的推理特性：Mamba 的"状态推理"与传统 attention 的 KV cache 完全不同，引擎要重写。SSM 推理的 PagedAttention 等价物还没出现，是开放机会。
  • 混合架构的复杂性：Jamba 这样的 Mamba+Transformer 混合，让引擎要同时支持两种推理范式，工程成本高。短期内 MoE 仍是主流，Mamba 与 Linear Attention 是补充而非替代。架构机制详见GPU 优化与分布式推理。

主线六：硬件代际——B200、MI300X、昇腾、Groq、Cerebras ​

现状。 硬件代际迁移即算法重写。H100 引入 FP8，B200 引入 FP4 与 NVLink 5.0；AMD MI300X 用 HBM3+ 大显存挑战 NVIDIA；华为昇腾 910B 在国内承担大量推理负载；Groq LPU 用确定性架构追求极致 throughput；Cerebras WSE 用整片晶圆做计算。

代表工作 / 硬件发布。

硬件关键特性对推理的影响
NVIDIA B200 / GB200 NVL72（Blackwell, 2024）FP4 Tensor Core + NVFP4 量化格式 + 72 GPU NVLink 集群FP4 量化甜点；大模型可单集群推理
NVIDIA H100 / H200（Hopper, 2022-2024）FP8 Tensor Core + Transformer Engine + 第四代 NVLinkFP8 推理甜点；FA3 的硬件基础
AMD MI300X（2023）192GB HBM3 + 5.3TB/s 带宽大显存 + 高带宽，挑战 NVIDIA；vLLM/SGLang 已支持
华为昇腾 910B（2023）国产 7nm + 达芬奇架构 + 64GB HBM国内大模型推理主力硬件之一
Groq LPU（2024 商用）确定性架构 + SRAM 主导 + 极高 throughput单 token 延迟极低，但显存小、不适合大模型 KV cache
Cerebras WSE-3（2024）整片晶圆 + 4 trillion 晶体管极致稀疏算力，但生态弱、部署复杂
Intel Gaudi 2/3（2023-2024）96GB HBM2 + 24GB HBM3性价比路线，部分企业部署

关键问题。

  • 硬件代际即算法重写：FA1 在 A100 上最优，FA3 在 H100 上最优，FP4 kernel 在 B200 上才甜。硬件换一代，算子要重写一次，这是算子层的核心痛点，也是这个领域持续的机会。
  • 国产硬件的生态追赶：昇腾 910B 在硬件性能上接近 A100，但软件生态（PyTorch 集成、vLLM 移植、算子库）落后 2-3 年。国产推理引擎与算子是未来 3-5 年的关键机会。
  • 极端架构的命运：Groq LPU 的"确定性 + 高 throughput"在特定场景惊艳，但显存小限制了通用 LLM 推理；Cerebras WSE 算力惊人但部署门槛高。极端架构要么找到 niche 市场活下去，要么被主流 GPU 生态吞掉。硬件背景详见硬件入门。

三、哪些问题还没解决 ​

上面每条主线都有"关键问题"，但有几个问题是跨主线的、被反复提到却远未解决的。诚实面对它们，比追逐热点更重要。

1. 长尾延迟与公平性的矛盾 ​

LLM 服务的吞吐与延迟容易测，但 P99/P999 长尾延迟极难控——它取决于负载分布、调度策略、KV cache 命中率、硬件抖动。业界没有"长尾延迟的 SOTA"，只有"在 X 负载下用 Y 引擎达到 Z 长尾"的案例。DistServe/SARATHI 都在打这个，但没有一个是"通用解"。

2. 多模型部署的"复用率"理论 ​

AlpaServe 给出了"多模型时分复用"的统计框架，但多模型部署的最佳实践仍未形成共识——每个团队都在自己摸索"几个模型用几张卡、用什么样的 batching 策略"。这是开放机会，也是工业界的日常痛点。

3. spec decoding 的训练时内化 ​

DeepSeek-V3 MTP 开启了"训练时学会 draft"的新范式，但MTP 的训练成本、对主模型精度的影响、draft 能力的可移植性都没有定论。2025–2026 年的关键开放问题。

4. 量化与稀疏的统一 ​

量化（让权重更小）与稀疏（让计算更少）是两条独立的优化路线，但它们能否协同？比如稀疏 attention 的稀疏模式能否与权重量化协同？目前几乎没人研究这个交叉，是开放机会。

5. 国产硬件的算子生态 ​

昇腾 910B 等国产硬件在算力上不弱，但算子生态是"空地"。FA3、PagedAttention、spec decoding 这些主流工作的国产硬件实现，是未来 3-5 年的刚需机会。

如何与"未解决"相处

不要把"还没解决"等同于"没有机会"。恰恰相反：真正高价值的产出通常出现在公认难题的边角。长尾延迟催生了 DistServe/SARATHI 的繁荣，多模型复用率催生了 AlpaServe，spec decoding 的训练时内化催生了 DeepSeek-V3 MTP。理解了问题清单，你就理解了机会清单。

四、给读者的建议：如何选择深耕方向 ​

面对六条主线，最常见的困惑是"该选哪个"。给三条原则：

原则一：按"你的不可替代性"选，不按"热度"选。 六条主线都很热，但你的背景决定了哪条路的上手成本最低、护城河最深：

你的背景切入方向理由
算法/CUDA 基础好主线一（算子层）或主线四（量化）算子层与量化都是算子密集区，CUDA 能力即优势
系统/分布式基础好主线二（服务系统）或主线五（架构创新）服务系统与 MoE 推理都是系统密集区
工程/产品基础好主线三（spec decoding）或主线六（硬件）spec decoding 工程化最热，硬件适配国产空白多
算法/建模基础好主线五（架构创新）Mamba/MoE 的设计空间大，靠理解力而非算力取胜
国产硬件背景主线六（硬件）的国产部分国产算子生态是未来 3-5 年的关键机会
尚不确定先读前沿地图与核心论文精读用一两个月建立全貌再决定，别急着押注

原则二：深耕一个方向"到能独立做项目"，再横向扩展。 前沿最大的陷阱是"每篇论文都读一遍、哪个方向都浅尝"。更有效的模式是：

  1. 选一个方向，把它的经典论文（见核心论文精读）按时间顺序精读十到二十篇，画出一张技术演进图；
  2. 用开源权重与引擎复现至少一个代表工作（哪怕是缩小版），把论文里的"做法"变成你手上的"能力"；
  3. 在 vLLM、SGLang、TensorRT-LLM 上参与一个活跃 PR（提 issue、修 bug、复现实验），让真实反馈校准你的理解；
  4. 用资源档案里的工具与榜单持续跟踪这个方向的进展，写周期性的个人综述。

原则三：警惕叙事，拥抱数字。 前沿写作充满了"3× 加速""无损""革命性"的叙事，但它们很少经得起下个月的检验。你的防御武器是评测与复现：任何"大突破"，都先在评测站找数据，再跑一个小实验验证。判断"什么会留下、什么会退潮"，比预测"下一个热点"更可靠。

一年的深耕时间线（参考）

如果决定深耕一个方向，一个可执行的一年框架是：第 1–3 个月把该方向经典论文精读一遍并复现至少一个缩小版实验，建立自己的代码基座；第 4–6 个月独立完成一个小项目（复现 + 一项自己的改进），并写成一份技术报告；第 7–9 个月参与一个开源引擎或公开评测，让社区反馈校准你的判断；第 10–12 个月把成果整理成可展示的形式（博客、报告、参赛成绩）。一年后你收获的不是"读过很多论文"，而是一条能独立走通"读论文—做实验—形成判断"的回路——这比任何知识量都值钱。

给新人的时间预算

如果每周能投入 10 小时：5 小时精读与复现、3 小时跟踪（arXiv + 评测榜 + 仓库 PR）、2 小时写笔记与总结。三个月后你会明显感觉到：判断力比记忆量大得多。完整的学习路径规划见学习路径与前沿导航。

五、延伸阅读 ​

参考资料 ​