从多出口 MLLM、动作一致性判据与预算约束出发，拆解 NeurIPS 2024 的 DeeR-VLA 如何动态跳过 LLM 层，实现多模态机器人推理加速。

从隐式潜在动力学、SimNorm、离散回归、策略先验与 MPPI 规划出发，拆解 ICLR 2024 Spotlight 论文 TD-MPC2 如何用统一超参数稳定训练并扩展到 317M 参数、80 个任务。

从可学习身份 Token、视觉属性软提示与难负样本出发，拆解 NeurIPS 2024 的 Yo'LLaVA 如何用 5 张图完成多模态大模型个性化。

从 Hopper 的 TMA、WGMMA 和 FP8 出发，拆解 FlashAttention-3 如何用 warp specialization、GEMM-Softmax 流水与低误差量化提升精确注意力吞吐。

从事实-情感解耦、动态特征演化与冲突-共识度量出发，拆解 DCCF 的多模态假新闻检测方法、实验结果、复现缺口与结论边界。

从嵌套视觉 Token、多尺度训练目标与预填充成本出发，拆解 ICLR 2025 的 M3 如何在同一多模态大模型中按需切换推理粒度。

从 Q-Former、三种表征学习目标与两阶段预训练出发，拆解 BLIP-2 如何用冻结视觉编码器和冻结 LLM 构建多模态模型。

从 KL 约束的 RLHF 目标出发，推导 DPO 的闭式策略映射、偏好损失、训练流程、实验边界与复现要点。

从 NF4、双重量化、Paged Optimizer 与全层 LoRA 出发，拆解 QLoRA 的显存账本、训练流程、实验边界和复现要点。

以三篇代表论文为主线，串起 Transformer、Vision Transformer 与 CLIP 的结构、目标和面试高频题。