林欢

Rust 编写的多协议 LLM API 网关，兼容 OpenAI / Anthropic / Gemini

RustAxumTokioSeaORMWASM

仓库

以 DCP 为状态的 FPGA 后布线时序优化 Agent

PythonVivadoRapidWrightLLM Agent

仓库

• 构建编译器—映射器优化闭环，从未路由依赖边、冲突链路/GIB、局部拥塞、高扇出和重汇合热点中提取路由反馈，并定位至对应的 DFG 节点与边；将结构化反馈输入 Agent 决策模块，自动选择并执行语义保持的编译变换。
• 设计路由反馈驱动的语义保持 DFG 变换，包括可交换计算阶段重排和边界连接结构调整；联合评估布局、调度与路由结果，降低映射 II，并提高高利用率场景下的映射成功率。

• 主要负责基于 CGRA 的后量子密码（PQC）算法加速，开展 RISC-V 参考实现梳理、算法拆分、关键算子/DFG 提取与性能瓶颈分析，建立从应用代码到架构需求的分析流程。
• 围绕单引擎 1 Kcps 验收目标分解吞吐与周期预算，分析计算并行度、访存带宽、互连通信及映射 II 约束，推进 PQC 场景的 CGRA 架构求解与编译映射方案设计。
• 在理想化 CPU–CGRA 切分假设下完成核心计算阶段的映射与性能评估，仿真吞吐约 1.1 Kcps；正在研究自动加速区域识别、CPU–CGRA 切分与协同编译。

• 以 DCP 为优化状态，根据关键时序路径、路由延迟、拥塞和高扇出等物理设计证据规划局部 ECO，并通过合法性与时序结果验证，支持执行、回滚与记录。
• 封装 Vivado/RapidWright 结构化操作，覆盖关键网络重布线、驱动复制、局部重布局、逻辑重构、区域约束与全局 fallback；仅接受合法候选。
• 在 35 个 UltraScale+ 后布线 DCP 上实现验证通过的 Fmax 几何平均提升 22.30%，优于 DATuner 的 15.14% 和通用 Codex Agent 的 9.78%；相较 DATuner 平均加速 6.4×，平均每个 DCP 成本 0.16 美元，为通用 Codex Agent 的 1/24.5。

• 扩展既有空间型 CGRA 的 LLVM 编译器、硬件生成器与映射器，在统一 DFG 和映射流程下同时支持空间型与多上下文时间型 CGRA；实现配置寄存器组和缓存寄存器组的时空复用机制。
• 系统分析计算容量、I/O 下界、DFG 拓扑和目标互连对映射结果的影响，发现计算与 I/O 节点数量相同的功能等价 DFG，仍可能因连接结构不同表现出明显的吞吐差异。据此设计多类语义保持的图变换，在不改变目标架构的情况下，使部分原本不可映射的 DFG 成功映射，并降低部分可映射用例的 II。

• 基于 LLVM 开发源码到源码转换插件，将直接递归函数展平为非递归迭代结构，兼容 Bambu HLS。
• 采用模块化设计，为间接递归和复杂调用图扩展保留接口；完成原型验证。

• 参与已有大模型推理性能估算框架的模型适配与维护，接入模型计算图、算子特征及硬件算力、带宽、存储容量等模型与硬件配置。
• 基于既有算子与阶段级性能模型适配 Prefill / Decode 流程，通过 batch size、sequence length、KV cache length 及并行配置变化分析 TTFT、TPOT 与显存估算结果。
• 对齐内部框架的性能预测结果，参与扩展并发推理场景，支持多请求负载下的时延与吞吐评估。

• 梳理专有 SFU 的计算语义、数据通路接口、指令粒度与调用路径，明确可重构矢量计算单元的设计约束与接入方案。
• 参与矢量计算单元与软件 Runtime 的接口适配，补充 NPU 相关指令定义、调用约束和验证用例。
• 定位联调中的指令语义、数据格式和边界条件问题，补充接口文档与测试清单；将重复调试与验证步骤封装为 LLM Skill，实现状态读取、检查执行和结果整理的自动化。

• FPGA 后布线优化赛道最终成绩进入 Top 5，获得赛事现金奖励；最终排名待 FPL 2026 大会公布。
• 在 7 个 Benchmark 上均取得正向 Fmax 提升，平均提升 56.1 MHz，最高提升 85.4 MHz。