关于本站

这是一个个人维护的技术文章存档，主题是人工智能。写下来的初衷很朴素：网上的资料要么过于浅显，只做简短介绍；要么默认你已经掌握基础，直接给出公式。中间那一段——这项技术为什么会出现、它到底在解决什么难题、需要付出什么代价——反而很少有人认真写。

所以这里的文章按一条线排列：从最小的线性模型，到大语言模型，再到模型压缩、格式转换与端侧部署。顺着读下来是一套完整的东西，跳着读每一篇也尽量能独立看懂。

写作上的一些规矩

• 能用一句话讲清楚的，不放公式；非放不可的公式，后面一定跟一句解释，说明它的含义。
• 尽量给出具体数字——参数量、显存、耗时——而不是"很快""很大"这类形容词。
• 不堆术语。一个词第一次出现，先把它为什么存在讲明白，再谈它怎么实现。
• 每篇末尾列参考资料，优先引用一手论文和官方文档，方便你进一步查阅原文。
• 力求准确。如果有讲错的地方，以参考文献里的原文为准。

内容范围

四个板块，共 20 篇：

• 第一部分：神经网络的基础——模型在算什么、怎么学、卷积为什么能识图。
• 第二部分：注意力机制与 Transformer 架构——Q/K/V、多头注意力、位置编码。
• 第三部分：大语言模型的全生命周期——token、采样、预训练、LoRA 微调、对齐、KV Cache、量化。
• 第四部分：工程落地——剪枝、蒸馏、ONNX 格式转换、模型文件格式、端侧推理优化。

技术说明

本站是纯静态站点，手写 HTML、CSS 和少量原生 JavaScript，没有框架、没有构建流程、没有外部依赖。这样做的理由是它十年后依然打得开，也方便你直接查看网页源码来学习排版。

全站支持深色模式，文章页带阅读进度条和侧边目录。

联系与声明

文章内容为个人学习笔记与理解，欢迎指正。文中引用的论文、图表、代码思想的版权归原作者所有，本站仅作学习用途的转述与讲解。

站内文章可自由转载，注明出处即可。