Runtime extension
让 eBPF 不只停留在内核工作流里
通过 userspace execution、GPU paths、JIT/AOT 支持和部署模型，把 eBPF 扩展到生产工具链可以直接使用的系统路径。
Eunomia 提供什么
Eunomia 的工作集中在 runtime infrastructure、公开资源和 AI agent systems。
Resources
发布可复用的教程、文档、博客和论文
面向 eBPF 开发者维护可执行教程、文档入口、技术文章和研究产物。
AI Agents
在系统层观测并约束 AI agent
零插桩、框架无关地看清 agent 真正做了什么，并对它能做什么执行运行时策略。
项目
按使用方式组织的开源平台项目和公开资源。
平台
执行引擎、工具链、runtime 组件和底层扩展路径。
AI Agents
面向 AI agent 系统的 tracing、observability 和安全研究。
资源
面向 eBPF 开发者的教程、文档、博客和研究论文。
最新文章
全部文章AI 写 Lean 证明的速度，已经超过 Lean 检查它们的速度
AI 越来越会写数学证明，它写出来的东西，我们查得过来吗？我们在 OpenAI 的 AI 生成 Lean 库上做了测量：AI 写 Lean 证明的速度，已经超过了 Lean 检查它们的速度。
把 GPU 服务的请求循环搬进内核，能省下 CPU 吗？
bpf-gpu-server 让 eBPF 和 iouring 接管 GPU 服务的 TCP 路径，稳态下没有任何用户态线程处理请求。和驱动同一个 GPU 执行器的高效 epoll 服务器相比，它的 CPU 消耗和延迟都与对照组持平。本文解释每个请求的开销到底花在哪里。
When Does CPU Scheduling Help AI Inference?
CPU scheduling can become part of the AI inference critical path when host-side vLLM, GPU driver, IRQ, or NCCL work competes for CPU time. Experiments with Gthulhu, schedext, and DGX Spark show when it helps and when it does not.