一周热榜

我用 Notion 写日记好几年了，但我发现切换到它的 DSL（领域特定语言）的认知成本对我来说不划算。Notion 基于块构建，比如建立在块之上的数据库。即使我将笔记导出为 Markdown 格式，它仍然反映了 Notion 的内部数据结构，而不是给我一些干净且可移植的东西。 例如，内联数据库最终会变成一个表格，其中包含指向文档其他部分的 href 链接——很好，但当我想要可以实际使用的纯文本时，它就不是很有用了。 与此同时，我一直在进行大量的提示，而 Markdown 更适合我的工作流程。它不是一个日记工具，但它简单且被广泛支持——GitHub、VSCode 等，并且它消除了使用专用笔记应用程序带来的许多上下文切换。 我可能会怀念的是内联数据库和其他丰富的内容，但我已经学会了停止使用它们。但是，我已经将我的日记工作流程优化到很多我的提示技巧。我使用常规表格并更刻意地拆分文档。如果需要，我会在日记之间引用它们，有点像为工作流程的每个部分设置了专门的提示。 我还在日记中使用许多提示技巧——我使用常规表格（更扁平且未链接）而不是创建内联数据库，并开始更多地拆分文档，并在我的日记中引用它们。 我有时也会在顶部放置 YAML 前置元数据和描述。这样，如果我想要运行一个 LLM 来处理我的日记——用于总结年份或构建语义搜索——我已经准备好了。（甚至可能将其变成 https://gpt.qalam.dev 的一个功能） 我意识到工具的重要性不如我组织思想的方式。

ElasticMM 是一个新发布的开源服务系统，专为现代多模态大型语言模型（MLLM）设计。该研究成果被选为 NeurIPS 2025 的口头报告。 与主要针对纯文本工作负载优化的现有服务栈（如 vLLM）不同，ElasticMM 引入了弹性多模态并行（EMP），这是一种新的执行范式，可在不同的推理阶段和模态之间调整并行度。 论文的主要发现： * TTFT（首次令牌时间）降低高达 4.2 倍 * 在混合多模态工作负载下，吞吐量提高 3.2 倍至 4.5 倍 * 模态感知调度、弹性阶段划分、统一前缀缓存和非阻塞编码 论文（OpenReview PDF）： [https://openreview.net/pdf?id=Zd6VyjmN1S](https://openreview.net/pdf?id=Zd6VyjmN1S) GitHub 仓库： [https://github.com/hpdps-group/ElasticMM](https://github.com/hpdps-group/ElasticMM) 很想听听 HN 社区的看法，特别是那些构建 LLM/MLLM 推理栈或处理生产环境中多模态服务的用户。