作者开源约 1600 行代码的轻量大模型推理引擎 LiteMoE

开发者开源了约 1600 行 Python 代码的轻量大模型推理引擎 LiteMoE，可运行真实 Granite 模型，在固定批次测试下吞吐达到 vLLM 的 105%～109%。项目复用 vLLM 算子并通过执行层优化提升性能，定位为教学与实验项目，同时提供逐步推理的可视化演示以及覆盖 KV Cache 与 MoE 架构的中文教程。