How Claude Code works in large codebases: Best practices and where to start
https://claude.com/blog/how-claude-code-works-in-large-codebases-best-practices-and-where-to-start 本文介绍Claude Code在大型代码库（百万行级单体仓库、遗留系统、多仓库分布式架构）中的工作原理与最佳实践。核心观点是：Claude Code通过agentic搜索（文件系统遍历、grep查找、符号跟踪）导航代码，而非依赖RAG索引。性能更多取决于工具链（CLAUDE.md、Hooks、Skills、Plugins、LSP、MCP、Subagents）而非模型本身。文章提出三种关键配置模式：使代码库可导航、随模型演进主动维护CLAUDE.md、分配专人管理Claude Code的采纳。强调CLAUDE.md要分层且精简，在每个子目录初始化会话，使用LSP实现符号级搜索，并通过组织层面的投入（专职团队、跨职能工作组）驱动成功采纳。
SFT, RL, and On-Policy Distillation Through a Distributional Lens
https://nrehiew.github.io/blog/sft_rl_opd/ 本文从分布视角比较了SFT、RL和On-Policy蒸馏(OPD)三种后训练方法。SFT直接优化固定外部分布，容易导致灾难性遗忘；RL通过在线采样和奖励信号自动约束更新，更抗遗忘且泛化更好；OPD介于二者之间，利用学生自身采样但以教师分布为学习目标。实验表明，OPD即使使用遗忘严重的SFT教师，也能保持良好泛化，证明在线采样是核心要素。文章认为，理想的算法应兼具蒸馏的密集信号、RL的无偏性和两者的在线特性。
Efficient AI Lecture 13 LLM Deployment Techniques
https://ickma2311.github.io/ML/HW-SW-codesign/efficient-ai-lecture-13-llm-deployment-techniques.html 本文从「系统视角」梳理大模型上线后端到端的效率瓶颈与解决方案。核心观点是：LLM 推理往往受限于内存带宽、KV cache 管理和调度策略，而不是算力本身。上层在数值层面通过 SmoothQuant 式 activation smoothing、AWQ activation‑aware weight quantization 和 INT4 kernel 设计，把难量化的激活重分配到权重、用少量“关键通道”保护 INT4 质量，并依赖 kernel fusion 把解码过程做成内存友好的算子链条。结构层面则通过剪枝与稀疏（权重稀疏、上下文稀疏、MoE 模块级稀疏）将「不重要的计算」从一开始就砍掉。系统层面，vLLM 风格的 PagedAttention 用分页 KV cache 提高并发与前缀复用，FlashAttention 通过 tile+fusion 降低 HBM 流量，speculative decoding 用大小模型协同提高每步产 token 的效率，最后配合 continuous batching 这种 token 级调度，在保证 TTFT 与 TPOT 体验的前提下最大化吞吐。整篇可以看成是「如何把同一个 Transformer，从算子到内存到调度，压榨到工程上真正可用、可扩展」。