大模型推理与系统的笔记。能画成图的地方，就画成可以动手玩的图。
大模型 decode 为什么是 memory bound，以及怎样借 CPU 分支预测的思路，让小模型先"猜"几个 token、大模型一次验完，以及怎样拒绝和补抽才不改变大模型的输出、平均能快多少。