从零实现 LLM Inference：035. Paged Attention Fast Path
paged attention decode 路径里不该构建 attention_mask；同时把 block_tables 的 H2D copy 合并成一次 async，收一点点 TPOT/throughput。
Recent posts
从零实现 LLM Inference：034. Max Active Requests
pack admission 会把 active sessions 拉得很高：加一个 max_active_requests（max_num_seqs）把 decode backlog 的 ITL/TPOT tail 收回来。
从零实现 LLM Inference：033. Prefill Admission Packing
token budget + FIFO 仍然会遇到 head-of-line blocking：用 lookahead packing 把短请求先塞进 prefill，收敛 TTFT p99。
从零实现 LLM Inference：032. Decode-first Worker Loop
worker loop 在有 active sessions 时先 decode 再 prefill：减少 decode 被 admission 抢占，收敛 ITL p99。
从零实现 LLM Inference：031. Prefill Token Budget
prefill admission 从“按请求数”升级为“按 tokens 预算”：限制 prefill 抢占，收敛 ITL p99。