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 GPU 执行模型、Kernel 与算子融合出发，理解 KV Cache、batching 和 LLM Serving 的性能瓶颈。