从线性回归到大语言模型：十三步串起原理
从拟合一条直线出发，每次只加一个新想法，用十三步串起参数、损失、反向传播、词向量、注意力和 Transformer，再看模型怎样经过预训练与对齐，逐个 token 生成回答。公式可折叠阅读，配图中的教学数据与论文数据分别注明来源。
库内文档
从目录里的一个主题开始，阅读这个知识库中的公开文档。
共 2 条 · 按发布时间排列
花了 100 美元教 AI 打坦克，只为完成从前的作业
刚入职网易时，我想用强化学习完成坦克大战的自动化作业，却一直不会做。如今借助 Claude Code，前后用了约 100 美元的额度，终于把这个想法重新拿出来试：从 PPO 的尝试，到规则、模拟和搜索，一边看程序的表现，一边调整方向。这篇记录的是用 AI 补完旧作业的探索过程。