Use PNG for KV memory wall figure; switch outline to inline image embeds

- Convert figs/f4b_pdsep_kv_wall.pdf to PNG via pdftoppm @ 150 DPI so
  MEETING.md and PAPER_OUTLINE.md render the figure inline on GitHub /
  any standard markdown viewer (PDF !() embeds don't render).
- PAPER_OUTLINE.md F2, F4, F6: switch from backtick code references to
  proper ![]() image embeds so the doc is actually viewable as a deck.

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

MEETING.md

@@ -43,7 +43,7 @@ LMetric 56.9%、load_only 54.1%、capped 31.6% APC，远低于 79.6% 上界。23
 
 ### 静态 PD-disagg：D 侧 KV 容量墙
 
-![](figs/f4b_pdsep_kv_wall.pdf)
+![](figs/f4b_pdsep_kv_wall.png)
 
 agentic 平均请求 33.6k token 需 3.3GB KV；4P+4D / 6P+2D 在 agentic regime 都穿过 90% 内存墙。**TTFT p50 暴涨 62-72x，成功率 99.5% → 52-68%**。
 

PAPER_OUTLINE.md

@@ -64,9 +64,12 @@ Trace 上 KV reuse 的分解：
 理论 APC 上界：any-session **80.3%**，intra-session-only **79.6%**，差距 <1pp。**cache 本质上是 session-local 的**；任何不保留 session affinity 的调度都丢掉绝大部分 reuse 机会。
 
 **Figure 2: Workload characterization (3 panels)** — 现有数据可复用：
-- `figs/f2a_reuse_topology.png` ✅ — intra-session 93.2% / cross-session 5.7% / shared 1.1% bar
-- `figs/f2b_session_skew.png` ✅ — top 1%/5%/10% session input-token mass
-- `figs/f2c_kv_footprint_cdf.png` ✅ — per-request KV footprint p50/p90/p95/p99 (p99 = 11.8 GiB ≈ 12% of H20)
+
+![F2a Reuse topology — intra 93.2% / cross 5.7% / shared 1.1%](figs/f2a_reuse_topology.png)
+
+![F2b Session skew — top 1% = 46.5% input mass](figs/f2b_session_skew.png)
+
+![F2c KV footprint CDF — p99 = 11.8 GiB ≈ 12% of H20](figs/f2c_kv_footprint_cdf.png)
 
 > 📝 Layout TBD：三张拼成 1×3 还是分散到 §2.1/§2.2/§2.4 各一张。
 
@@ -128,11 +131,18 @@ Round-robin 和 load-aware routing（如 LMetric, OSDI'26）最大化 instance
 硬 session-instance 绑定恢复 locality（APC **77.2%**，达到上界 97%），但把 skew 中的大 session 锁在单 instance 上，**interference index 从 LMetric 的 6.53 翻倍到 13.65**（同 trace 同硬件）。违反 §2.4 的 skew 容忍要求。
 
 **Figure 4: Three baselines, three failure modes** — 拆成三个子图，分别放在 §3.1/§3.2/§3.3：
-- §3.1 `figs/f4a_apc_loss.png` ✅ — APC 实测 vs 理论上界 79.6% (lmetric 56.9%, load_only 54.1%, capped 31.6%, sticky 77.2%, unified 79.4%)
-- §3.2 `figs/f4b_pdsep_kv_wall.pdf` ✅ — D 侧 KV pool 占用 vs per-request KV footprint，4P+4D 和 6P+2D 在 agentic regime 都穿过 90% 内存墙
-- §3.3 `figs/f4c_apc_vs_hotspot_tradeoff.png` ✅ — APC vs hotspot index 散点（unified/sticky 在高 APC 高 hotspot 区，lmetric/load_only 在低 APC 低 hotspot 区）
 
-> 📝 可选 `figs/f4d_pd_interference.png` ✅ — Prefill-decode 干扰（同 GPU 8k prefill 让 TPOT 退化 66x），放 §3.3 支撑 sticky 的 interference 论证。
+§3.1 — APC 实测 vs 理论上界 79.6% (lmetric 56.9%, load_only 54.1%, capped 31.6%, sticky 77.2%, unified 79.4%)：
+![F4a APC loss](figs/f4a_apc_loss.png)
+
+§3.2 — D 侧 KV pool 占用 vs per-request KV footprint，4P+4D 和 6P+2D 在 agentic regime 都穿过 90% 内存墙：
+![F4b PD-sep KV memory wall](figs/f4b_pdsep_kv_wall.png)
+
+§3.3 — APC vs hotspot index 散点（unified/sticky 在高 APC 高 hotspot 区，lmetric/load_only 在低 APC 低 hotspot 区）：
+![F4c APC vs hotspot tradeoff](figs/f4c_apc_vs_hotspot_tradeoff.png)
+
+> 📝 可选支撑图 — Prefill-decode 干扰（同 GPU 8k prefill 让 TPOT 退化 66x），放 §3.3 支撑 sticky 的 interference 论证：
+![F4d PD interference](figs/f4d_pd_interference.png)
 
 ### §3.4 Takeaway
 
@@ -215,9 +225,11 @@ KV transfer 发生在触发该 migration 的 request 的 critical path 上，但
 
 ### §5.2 End-to-end Performance
 
-**Figure 6: End-to-end performance** — `figs/f6_e2e_latency_bars.png` ✅ (PARTIAL)
-> 现有：TTFT/TPOT/E2E p90 bar chart × 5 policies (lmetric / load_only / sticky / unified / capped)。
-> **🚧 TBD (NEW DATA)**：缺 `static PD-disagg` 那一列；EAR 列也是 TBD（需 migration validation）。要再补一张同样格式但包含全 6 个 baseline 的图。
+**Figure 6: End-to-end performance** — ✅ (PARTIAL，缺 PD-disagg 列)
+
+![F6 E2E latency bars — 5 policies](figs/f6_e2e_latency_bars.png)
+
+> **🚧 TBD (NEW DATA)**：上图缺 `static PD-disagg` 那一列；EAR 列也是 TBD（需 migration validation）。要再补一张同样格式但包含全 6 个 baseline 的图。
 
 | Scheduler | TTFT p50 | TTFT p90 | TPOT p90 | APC | Hotspot idx | Wall-clock factor |
 |---|---|---|---|---|---|---|