扩散模型 DDPM 深度解读：从热力学到图像生成
基于 NeurIPS 2020 论文 DDPM（arXiv:2006.11239），深入浅出地介绍扩散模型的原理、数学推导与训练采样流程。 ...
技术
Science and technology constitute a primary productive force.
深度学习中的双下降现象(Double Descent)与缩放定律(Scaling Law)
详解深度学习理论基石：双下降现象（Double Descent Phenomenon）与模型缩放定律（Scaling Laws），以及它们的经典奠基论文。 ...
速通 AI（八）：Agent 开发与生产部署
「速通 AI」系列第八篇：大模型微调、量化、部署，以及 Agent 开发、MCP、LangGraph。 ...
速通 AI 面试八股文：159 道高频问题与完整解答
「速通 AI」系列配套面试指南：覆盖数学基础、深度学习、Transformer、预训练模型、LLaMA、LLM 应用、RAG、Agent、评估体系、生产工程化共 159 道高频面试题，每题附完整解答。 ...
LLaMA 深度解读：用更少参数、更多数据通往最优推理
基于 Meta AI 2023 年论文 LLaMA，深入浅出地介绍其核心理念：用更小的模型、更多的数据训练出推理最优的大语言模型。 ...
速通 AI（七）：RAG 检索增强生成
「速通 AI」系列第七篇：深入掌握 RAG 检索增强生成——向量数据库、高级检索策略、GraphRAG。 ...
速通 AI（六）：LLM 应用开发
「速通 AI」系列第六篇：掌握提示词工程、LangChain 框架、OpenAI API 调用。 ...
速通 AI（五）：现代大模型架构——LLaMA 系列
「速通 AI」系列第五篇：深入理解 LLaMA 架构的 5 大关键改进——RMSNorm、RoPE、SwiGLU、KV Cache、GQA。 ...
速通 AI（四）：预训练语言模型——BERT 与 GPT
「速通 AI」系列第四篇：掌握 BERT/GPT 预训练模型，熟练使用 HuggingFace 生态。 ...
速通 AI（三）：Transformer 架构详解
「速通 AI」系列第三篇（上）：深入理解 Transformer 架构——Self-Attention、多头注意力、位置编码、Encoder/Decoder。 ...