docs(perf): profile CUDA graph coverage and PLE costs on Spark

README.md

@@ -8,7 +8,7 @@
 PLE 查找表通过磁盘映射按需读取；原始模型权重未重新量化。
 
 > 这是针对固定 nightly 的社区适配，非 NVIDIA/vLLM 官方支持方案。
-> 已验证短问答和工具调用；未压测完整 262K 输入。仅适用于此模型、单 GPU / ETP=1。
+> 已验证短问答、工具调用及有限的 128K 单请求检索；接近 260K 已触发主机 OOM。仅适用于此模型、单 GPU / ETP=1。
 
 ## 快速开始
 
@@ -109,3 +109,8 @@ python3 scripts/summarize-benchmark.py benchmark.jsonl
 ```
 
 测试只使用合成输入。方法、首字时间口径与小样本限制见 docs/benchmark-method.md。
+
+## CUDA Graph 性能剖析
+
+Nsight 已确认图重放生效，短回答约提升 4.5%；长输入预填充未被当前小尺寸图覆盖，
+GPU 活动本已接近连续。详见 [性能剖析报告](docs/cuda-graph-profile.md)，包括 PLE 等待/查表区分及原始证据摘要。