量化交易
从市场微结构入手，建立量化工程全栈视角
覆盖从因子研究、回测方法论到执行算法与高频架构的整条链路，适合策略研究员与工程师系统切入。
从这里开始
第一次访问时先按主题切入，比直接沿着时间线翻文章更快。
大模型基础设施
从 GPU 心智模型到推理服务化
把训练、推理、量化与服务化串成一条工程主线；先建立 GPU 心智模型，再进入引擎与量化落地。
密码学
从 PQC 起步，快速进入密码学热点
先看密码学系列总目录，再顺着 PQC、FHE 与迁移工程深入。
排序算法
先看排序专题，再决定从哪篇切入
把 TimSort、pdqsort、radix sort、external sort、parallel sort 串成一条工程化阅读路径。
热门专题
把已经形成系列阅读闭环的主题集中在首页，减少在 400 多篇文章里盲找的成本。
最新文章
按最近更新时间排序；如果你想系统性阅读一个主题，优先回到上面的专题入口。
【数据库研究前沿】Text-to-SQL 与 Agentic Query：DIN-SQL、C3、DAIL-SQL 工程复盘
Spider / BIRD 评测、DIN-SQL / C3 / DAIL-SQL 的核心机制、schema linking 与 self-consistency，以及一个离线可跑的最小 Text-to-SQL 闭环 demo
【大模型基础设施工程】13：vLLM / SGLang / TensorRT-LLM / TGI 对比
主流推理引擎的架构、性能、生态深度对比，给出工程选型与落地决策依据。
大模型基础设施工程
面向中国工程团队的大模型基础设施系列。从 GPU/CUDA/互联、训练框架与 3D 并行、vLLM/SGLang 推理引擎、量化与推测解码、RAG/Agent 到服务化、网关、可观测性与安全合规，覆盖 LLMOps 全链路。
【开源许可与版权工程】模型许可证深度解析：OpenRAIL-M、LLaMA、Apache 2.0 在大模型场景的真实区别
模型权重到底是代码、数据、还是全新的客体？为什么 Meta 的 LLaMA、Google 的 Gemma、Stability 的 StableLM、BigScience 的 BLOOM 选了完全不同的许可证？OpenRAIL-M 的 'Use-Based Restrictions' 在工程上如何落地？本文逐条解析 8 类主流模型许可证，给出企业自研、微调、商用、二次分发四个场景的决策清单。
【开源许可与版权工程】中国 AIGC 司法案例集：从春风画面到奥特曼案的工程启示
系统梳理 2023 年以来中国司法实践对生成式 AI 的关键判决：北京互联网法院 Stable Diffusion 春风画面案、广州互联网法院奥特曼案、上海浦东新区奥特曼新案、杭州互联网法院 AI 生成图可版权性案，以及围绕训练数据、平台责任、深度伪造、声音人格权的典型案件。每个案例给事实、裁判要点、与他国判例的比较、工程合规启示。
【量化交易】数据陷阱：幸存者偏差、复权、前视、未来函数
系统拆解量化回测里最常见的几类数据陷阱：幸存者偏差、前视偏差、未来函数、数据窥视、复权陷阱、停牌与流动性陷阱、时区与日历对齐。给出 Point-In-Time 财报库的最小可运行实现，演示前视回测与 PIT 回测之间的真实差距，并整理一份回测前自检清单。
【量化交易】Walk-forward 与 Purged CV：时间序列正确切分
把「时间序列怎么做交叉验证」这件事拆到工程能落地的颗粒度：为什么 K-Fold 在金融数据上必然泄漏，Walk-Forward 的三种形态怎么选，Purged K-Fold 的 purge 规则与 embargo 长度怎么定，Combinatorial Purged CV 如何同时给出多条独立净值路径，外层选模型内层调参的嵌套 CV 怎么写，回测过拟合概率（PBO）怎么算。给出可直接接入 sklearn 的 PurgedKFold/CombinatorialPurgedCV/WalkForward 实现。
量化交易
从因子研究到生产执行的量化交易全栈工程。覆盖市场微结构、数据管线、因子构造、组合优化、回测方法论、执行算法、做市策略、高频架构到生产运维。面向策略研究员与工程师。
全部系列索引
本站所有系列专题的总目录。按大模型基础设施、Transformer、量化交易与金融科技、数据与数据库、分布式与存储、密码学与安全、操作系统与底层、网络与 I/O、算法与可观测等方向分类整理，每个系列均给出简介与入口链接。
【存储工程】LSM-Tree 工程调优：三种放大的权衡
LSM-Tree 的核心设计是把随机写转换为顺序写，但这个转换不是免费的。写入经过 MemTable 刷盘、再经过多次 Compaction 合并，每一字节的用户数据在磁盘上可能被反复读写数十次。读取一个 key 时，最坏情况下需要逐层搜索，直到命中或遍历全部层级。与此同时，旧版本数据和墓碑标记占用的额外空间，在 Co…
数据库内核实验索引
汇总本站数据库内核文章：PostgreSQL / MySQL InnoDB / 列存引擎 / 数据湖与开放表格式 / 流式数据处理 / 分布式 OLAP 查询引擎 / RocksDB 内核 / 向量检索引擎 / Redis 缓存内核 / 全文检索引擎，以及 LSM-Tree 从零实现实验。
【全文检索引擎】全文引擎全景：架构叙事与 Lucene 内核之间的一层
定位 Lucene 9.x/10.x 库内核与 Elasticsearch 8.x 服务层相对 architecture/42、storage/29、向量引擎与 PG GIN 的分工；以最小索引故事建立坐标系，交代倒排索引学术谱系与 18 篇路线图。
【全文检索引擎】Lucene 文档模型：Field、docID 与正排/倒排
拆解 Lucene Index/Document/Field 与段内 docID 分配；说明 indexed、stored、docValues 三组正交开关；对照正排与倒排访问路径，为 Analyzer 与 postings 篇奠基。
【全文检索引擎】分析链 Analyzer：从文本到 TokenStream
拆解 Lucene Analyzer 的 CharFilter→Tokenizer→TokenFilter 管线与 TokenStream 契约；说明分词如何影响写放大与词典规模；中文分词只谈接口与运维代价，不展开 NLP 算法教程。
【全文检索引擎】词项词典 FST：前缀压缩与 TermsEnum
说明 Lucene 段内 Terms 词典如何用 FST 做前缀共享与内存映射；介绍 TermsEnum seek 与字段迭代；与 PostgreSQL GIN Entry Tree 对照一句，为 postings 定位奠基。