工程筛选报告 · 2026-10-18

作者：Jay

来源共 5 个独立 URL，3 项保留、2 项丢弃。

保留来源

保留来源：EP229: 8 Chunking strategies for RAG-based agents 理由：ByteByteGo 每周技术简讯，实录 8 种 RAG chunking 策略（Fixed-Size / Recursive / Document-Based / Semantic / LLM-Based / Agentic / Late Chunking / Hierarchical），原文含各策略核心原理说明，可作为工程参考基准。标题清晰、内容可验证。
保留来源：Introducing Reflection Beam: an open-weight model for agentic coding on AWS 理由：AWS 官方博文，实录 Reflection Beam 模型权重（Apache 2.0）登陆 Hugging Face，提供 BF16/FP8/NVFP4 三种 checkpoint，支持 SageMaker JumpStart 全托管路径或 HyperPod + SGLang/vLLM 自定义路径部署，附三阶段 hyperpod_tool.py 命令（validate / deploy / smoke）。内容具体、平台可复现。
保留来源：Bug: GB10 (sm_121) engine hangs forever inside a cuDNN FP8 GEMM · Issue #61007 理由：Issue 正文含完整复现环境（vLLM 0.26.1rc1.dev602、cuDNN 9.20.0、Qwen3.6-35B-NVFP4、DGX Spark GB10），冻结规律高度稳定（237k–287k engine steps），提供经实际验证的 workaround（VLLM_USE_FLASHINFER_MOE_FP4=0 切换至 Cutlass kernel），工程可用性明确。

丢弃来源：vLLM CI Run #38025534578 — Fast Start: Preload FlashInfer autotune table 缺口：snippet 含页面加载错误提示，实质 CI 内容未获取；无 commit diff、PR 正文或 benchmark 数据，无法评估优化效果。
丢弃来源：vLLM CI Run #37362806856 — Perf: Reuse prefill lengths and fuse FlashInfer gate conversion 缺口：snippet 仅含 GitHub Actions 界面 boilerplate；workflow 标题提示涉及 FlashInfer gate conversion 融合及 prefill length 复用，但无 PR diff、benchmark 对比或性能数据，不可复现验证。

清单全部 URL 均已覆盖，无新检索。