文章·AI 底层工程·2026年7月28日·阿新聊ai自进化到底是什么——参数、结构、策略、prompt、代码五个层级本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage9 self evolution/01 what is self evolution.md · 由 @阿新聊ai 整理。 自进化到底是什么——参数、结构、策略、prompt、代码五个层级 <! 调研来源：...自进化前沿Meta Learning
文章·AI 底层工程·2026年7月28日·阿新聊ai扩散模型：从噪声到图像——DDPM、潜在扩散与 Stable Diffusion 的完整路径本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage8 advanced/02 diffusion models.md · 由 @阿新聊ai 整理。 扩散模型：从噪声到图像——DDPM、潜在扩散与 Stable Diffusion 的完整路径 <! 调研来源...扩散模型DDPMStable Diffusion
文章·AI 底层工程·2026年7月28日·阿新聊ai强化学习：MDP、Q Learning、Policy Gradient 与 RLHF——RL 的核心框架本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage8 advanced/01 reinforcement learning.md · 由 @阿新聊ai 整理。 强化学习：MDP、Q Learning、Policy Gradient 与 RLHF——RL 的...强化学习RLHFPolicy Gradient
文章·AI 底层工程·2026年7月28日·阿新聊ai大模型的缩放定律：Scaling Law、Chinchilla、MoE，为什么模型越大越好本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage5 transformer/05 scaling laws.md · 由 @阿新聊ai 整理。 <! 调研来源： 1. Kaplan et al., "Scaling Laws for Neural Lan...Scaling LawChinchillaMoE
文章·AI 底层工程·2026年7月28日·阿新聊aiTransformer 详解：自注意力、多头注意力、位置编码，逐层拆解本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage5 transformer/01 transformer explained.md · 由 @阿新聊ai 整理。 <! 调研来源： 1. Vaswani et al., "Attention Is All...Transformer自注意力大模型
文章·AI 底层工程·2026年7月28日·阿新聊aiAttention 机制：为什么 Attention 比 RNN 好，Query / Key / Value 是什么本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage4 nlp/04 attention.md · 由 @阿新聊ai 整理。 <! 调研来源： 1. Bahdanau et al., "Neural Machine Translation by Jointl...AttentionNLP序列建模
文章·AI 底层工程·2026年7月28日·阿新聊aiCNN 基础：卷积、池化、感受野——为什么图像不用全连接本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage3 cv/01 cnn basics.md · 由 @阿新聊ai 整理。 <! Stage 3 Article 1: CNN 基础 调研来源： 1. Stanford CS231n 课程笔记 Convolu...CNN卷积计算机视觉
文章·AI 底层工程·2026年7月28日·阿新聊ai反向传播：计算图、链式法则，以及梯度如何一层层传回去本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage2 deep learning/02 backpropagation.md · 由 @阿新聊ai 整理。 <! 调研来源： 1. Colah's Blog "Calculus on Computationa...反向传播梯度计算图
文章·AI 底层工程·2026年7月28日·阿新聊ai神经网络入门：从感知机到多层网络，通用近似定理，以及为什么需要深层本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage2 deep learning/01 neural network intro.md · 由 @阿新聊ai 整理。 <! 调研来源： 1. Cybenko (1989) 和 Hornik (1991) 的...深度学习神经网络感知机
文章·AI 底层工程·2026年7月28日·阿新聊ai评估指标全解：准确率、精确率、召回率、F1、AUC ROC，以及什么时候看哪个本文迁移自 mindcarver/91ai · 原始位置 docs/machine learning/stage1 evaluation/03 metrics.md · 由 @阿新聊ai 整理。 <! 调研来源： 1. Google ML Crash Course "Classification: Accuracy,...评估指标准确率AUC