AI 推理系列（十七）：Hymba——为什么 Attention 和 Mamba 一定要二选一？
围绕小模型推理中的精确检索、固定状态与 KV Cache 成本，解释 Hymba 如何在同一层并行组合 Attention Head 与 SSM Head，并分析 Meta Token、跨层 KV 共享、部分滑动窗口、混合 Kernel 和端侧部署中的工程边界。
#SSM
共 2 篇文章
AI 推理系列（十四）：Mamba 的 Selective State Space——不用 Attention，模型如何“记住”长序列？
从长日志流和持续生成场景出发，解释 Mamba 如何用输入相关的选择性状态更新替代持续增长的 KV Cache，分析 Selective Scan、Mamba-2 的 SSD、Mamba-3 的状态表达能力，以及线性复杂度在 GPU 与真实推理系统中的收益边界。