把 nano-gpt 摊成 3D 结构的交互网页，逐步演示嵌入到 Softmax 的推理。

快速且内存高效的精确注意力机制

FlashInfer是一个用于大型语言模型服务的高性能GPU内核库。

Transformer-XL是一种超越固定长度上下文的注意力语言模型，支持单节点多GPU和多主机TPU训练，取得了最新的最佳结果。，Transformer-XL官网入口网址