整理大模型与多模态推理加速论文和配套代码的资源清单，涵盖 Flash-Attention、Paged-Attention、低比特量化与并行策略等方向，方便快速定位和复现关键技术。
…NN 3.6.0 版本聚焦于 多模态 LLM 模型扩展与推理加速 、 GPU 多后端深度优化 以及 低比特量化与硬件适配增强 三大核心主题： 多模态 LLM 模型扩展与推理加速 ：新增 Gemma4（文本/视觉/语音）、Qwen3.5、Hymt2 等模型支持；推出 dflash 推测解码；Omni 模型 Thinker/Talker 交错