作者通过理解模型架构并修改vLLM代码，为Gemma 4 31B优化每秒生成量。
推荐理由：实质经验是吞吐优化不能只调配置，而需沿模型架构深入推理引擎并制作定制补丁；但正文未给出提升比例、硬件条件和复现实验，结论仍待验证。
阅读原文