总计 3 篇研究记录
从单个神经元的数学原理出发，深入拆解激活函数、损失函数、梯度下降、反向传播、残差连接等核心概念，配合直观类比与数学推导，彻底理解神经网络如何"学会"知识。
全面拆解计算机视觉的技术图谱：CNN的卷积与池化数学、ViT如何用Transformer"看"图像、扩散模型从噪声中生成图像的原理、多模态模型打通文本与视觉的架构设计，以及目标检测、语义分割、视频生成的完整技术路线。
深入拆解大语言模型的全栈技术：从 Token 化、Embedding、自注意力机制、Transformer 架构，到预训练、微调、RLHF 的完整训练管线，以及推理加速、MoE 与涌现能力的前沿解读。
