标签
一篇关于现代深度学习的详细个人综述，聚焦于基础模型、视觉语言模型及其架构决策，面向那些希望获得直觉而非密集数学的读者。
本文提供了大型语言模型中Transformer架构的可视化指南，涵盖自注意力、因果自注意力、掩码多头注意力以及输出层，并附有逐步解释和示例。
详细讲解基于Transformer的大型语言模型的工作原理，涵盖分词、嵌入、注意力机制和下一个词元预测，无需复杂数学。
技术探索 ANSI 转义码，追溯其 1970 年代终端起源，并探讨其在现代 CLI 工具和终端 UI 中的持久相关性。
本文基于SGLang Omni团队的内部决策文章，从自回归解码、KV缓存、连续批处理等基础概念出发，深入浅出地介绍了LLM推理系统的运作原理。
一份来自TechCrunch的术语表，定义了AGI、AI智能体、API端点和思维链等常见AI术语，并随着领域发展定期更新。
KV cache 在自回归生成过程中存储先前计算的键向量和值向量，使模型能够避免在每一步重新计算整个序列，从而显著加速推理，但代价是内存使用增加。
Google DeepMind 芯片工程师 Reiner Pope 在一段免费 YouTube 视频中，通过白板全面讲解了芯片的工作原理，从逻辑门到脉动阵列乃至人脑。
一个名为Transformer Explainer的免费交互式工具，在浏览器中运行实时GPT-2模型，通过桑基图和实时推理可视化Transformer的内部工作原理。
一份通俗指南，解释什么是AI Agent、它们与聊天机器人的区别、自主决策循环以及为何在2026年重塑各行业。