把 LSMR 小向量递推融合为 CUDA kernel，并用两组真实 FP32 重建输入对齐 CuPy 的迭代、残差与性能。

拆解 LSMR 中 A·v 与 Aᵀ·u 的稀疏数据通路，解释 CSR/CSC 双存储、行长负载不均和显存池的收益与代价。

从 Golub-Kahan 双对角化出发，拆解一个纯 CUDA FP32 LSMR 库的性能上界、接口边界与分层架构。

从标量基线到 Tensor Core、异步流水、低比特缩放和分段调度：构建一个面向大模型全连接层的工业级 GEMM 算子族。

从 CSR/COO 的 SpMV，到面向多右端项的 SpMM：格式、线程映射、精度策略和自适应调度如何共同决定稀疏算子的上限。

这篇文章目前处于草稿状态，尚未发布。因此，它不会对普通读者可见。内容仍在进行中，可能需要进一步编辑和审查。