<docs>(flashinfer): 测试链接在gitlink的显示问题

基于AI Agent开发范式的国产GPU大模型推理算子库优化/FlashInfer Benchmark实战：从性能基线到XPU-OJ冒烟提交.md

@@ -75,7 +75,7 @@
 
 使用兑换码兑换 GPU 租用余额：
 
-访问[模力方舟官网](https://ai.gitee.com/)，在左侧边栏进入 “费用中心”，点击右上角 “兑换” 使用兑换码兑换代金券；
+访问 [模力方舟官网](https://ai.gitee.com/)，在左侧边栏进入 “费用中心”，点击右上角 “兑换” 使用兑换码兑换代金券；
 
 ![quote](https://origin.picgo.net/2026/06/23/-2026-06-23-1515027374ed9083ad0aea.png)
 
@@ -126,7 +126,7 @@
 
     ![tools](https://origin.picgo.net/2026/06/23/-2026-06-23-1554030c167f9883fb1d79.png)
 
-    > 此部分内容以教程 [模力方舟快速使用SOP](../模力方舟快速使用SOP.md) 为准
+    此部分内容以教程 [模力方舟快速使用SOP](../模力方舟快速使用SOP.md) 为准。
 
 #### 4.1.4 深度学习环境配置
 
@@ -1690,20 +1690,17 @@ mv *.csv results/
 
 ### 9.2 深入理解 FlashInfer 核心概念
 
--   阅读 [FlashInfer 官方文档](https://docs.flashinfer.ai/index.html) 及 [源码](https://github.com/flashinfer-ai/flashinfer)，理解 Paged KV Cache、Ragged KV Cache 的设计理念；
+- 阅读 [FlashInfer 官方文档](https://docs.flashinfer.ai/index.html) 及 [源码](https://github.com/flashinfer-ai/flashinfer)，理解 Paged KV Cache、Ragged KV Cache 的设计理念；
     
--   学习 MLA (Multi-head Latent Attention) 的原理，了解 DeepSeek 的注意力优化方案；
+- 学习 MLA (Multi-head Latent Attention) 的原理，了解 DeepSeek 的注意力优化方案；
 
--   理解 `plan()` 和 `run()` 两阶段设计的作用。
+- 理解 `plan()` 和 `run()` 两阶段设计的作用。
     
 **参考文档：**
 
 - [KV-Cache Layout in FlashInfer](https://docs.flashinfer.ai/tutorials/kv_layout.html)
-
 - [DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model](https://arxiv.org/abs/2405.04434)
-
 - [DeepSeek-V3 Technical Report](https://arxiv.org/abs/2412.19437)
-
 - [GitHub - deepseek-ai/DeepSeek-V3](https://github.com/deepseek-ai/deepseek-v3)
 
 ### 9.3 进入算子优化模块