科普教程
用通俗的语言拆解 AI 核心概念、模型机制和实践方法。
Transformer 注意力机制 三级解读：从入门到精通
一个概念，三种难度。无论你是刚入门还是资深研究者，都能找到适合自己的理解层次
抽象推理（Abstract Reasoning）—— 三级教程
从小学生到 AI 研究者，三级深度理解抽象推理、ARC 基准与泛化难题
Agent-BOM：给 LLM Agent 装上"黑匣子"
用统一图表示实现 Agent 系统的安全审计——从碎片化日志到可查询的因果关系图
AI Agent 记忆架构：从列表到知识图谱
Agent 如何记住经验、积累知识？三种记忆架构的演进与对比
Agent 技能进化：让 AI 自己学会新技能
从 EvoSkills 论文出发，用通俗语言解释 Agent 如何通过协同进化验证自主学会新技能，以及这个方向的潜力和局限。
注意力机制入门
用最通俗的语言理解 Transformer 的核心——注意力机制
When Attention Closes：LLM 多轮对话为什么会「越聊越笨」？
深入理解多轮对话退化的机械性解释——注意力通道关闭、残差流接管与 GAR 诊断指标
注意力机制三级详解
从高中生到研究者，三个层次彻底搞懂 Transformer 的核心机制
Auto-Rubric as Reward：用评分标准替代黑盒奖励函数
解读论文 Auto-Rubric as Reward——如何用显式评分标准替代 RLHF 中的黑盒奖励模型，让对齐过程可审计
Chain-of-Thought：让 AI「把思考过程说出来」
从直觉到机制，深入理解思维链推理为什么有效、什么时候有效、以及它的根本局限
长上下文高效处理：从压缩、加速到主动搜索
2026 年 5 月三篇前沿论文的三种互补路径——LCM 无损压缩、PARSE 并行验证、SCOUT 主动觅食
电子云与大模型生成代码
涌现通信：AI 如何自发发明"语言"？
当两个 AI 被放在同一环境中需要协作，它们会发明一套人类看不懂的通信协议——这叫涌现通信
涌现通信：AI 如何发明自己的语言
当多个 AI agent 需要协作时，它们能自发发明一套通信协议——这就是涌现通信。本文从 Lewis 信号博弈讲起，覆盖训练方法、核心难题，以及与 LLM 内部表示的深层联系。
Flash Attention：让大模型推理快 2-4 倍的"魔法"
深入理解 Flash Attention 的核心思想——分块计算、Online Softmax 和 IO 感知优化
GRPO 三层解读：DeepSeek-R1 背后的训练秘诀
用三种难度（入门/中级/高级）深入理解 GRPO——让大语言模型学会自己思考的核心算法
大语言模型为什么会产生幻觉？
从入门到高级，三种难度带你理解 LLM 幻觉的根源
大语言模型（LLM）知识体系结构图
从基础理论到前沿研究，系统性梳理 LLM 领域的完整知识体系
LLM 知识更新：微调、RAG 与记忆模块的三岔路口
继续微调、RAG、还是新兴的记忆模块方法？深入对比三种 LLM 知识更新路径的优劣势与适用场景，包含 MeMo 核心思想详解
LLM 记忆系统知识体系全图
从短期记忆到长期记忆，从 RAG 到知识图谱，一图梳理 LLM 记忆系统的完整知识体系
大模型推理：知识体系图谱
从核心概念到方法分层、局限性与开放问题，系统梳理 LLM Reasoning 领域的完整知识脉络
局部注意力的表达能力：不只是全局注意力的劣化版
基于 ACL 2026 论文，用直觉和类比解释局部注意力为何具有全局注意力无法提供的独特表达能力
LoPE - 用废话扰动拯救RL训练
在 prompt 前面加一段 Lorem Ipsum，就能显著提升 GRPO 强化学习训练效果——简单到让人怀疑人生，但它是真的
Mamba：选择性状态空间模型入门教程
从 SSM 直觉到 Mamba 的选择性机制，理解为什么 Mamba 能挑战 Transformer 的注意力垄断地位
Mamba 与状态空间模型（SSM）：三级教程
从日常比喻到数学形式化，全面理解 Mamba 选择性状态空间模型
成员推理攻击：你的数据有没有被偷学过？
从"老师能不能看出这道题讲没讲过"到跨架构迁移的深度学习攻击方法，一文入门成员推理攻击。
推测解码的隐形杀手：Mistletoe 攻击详解
通过精心设计的输入扰动摧毁推测解码加速效果，同时完全保持输出质量——一种新型的 LLM 性能攻击
Mixture of Experts (MoE) 三级教程
用三种不同难度理解 MoE——从医院的类比到数学公式，从入门到精通。
Multi-Head Attention：为什么需要一个头变多个头？
深入理解 Transformer 的核心设计——多头注意力的直觉、原理和必要性
困惑度差异揭示微调目标：一篇论文的通俗解读
如何发现微调模型中被隐藏的行为目标？一个简洁而优雅的黑盒审计方法——困惑度差异法
过早定论：当 AI 不知道自己不知道
LLM 在信息不足时仍自信给出确定性答案——过早定论现象的机制、实验证据与防御策略
RAG 实战入门：从零构建检索增强生成系统
一步步教你构建自己的 RAG 系统，包含完整代码示例和最佳实践
RAG over Thinking Traces：用思维轨迹重塑检索增强生成
如果 RAG 对推理任务没用，会不会是因为我们检索的东西不对？这篇论文给出了一个反直觉的答案
ReaComp：把 LLM 的推理编译成符号求解器
不让 LLM 每次重新推理，而是把推理过程"固化"为可复用的符号求解器——零 token、零 GPU、更高的准确率
ReFlect Harness：别让模型自己检查自己
用外部确定性检查替代模型自评，长推理任务性能提升 7-29 个百分点
RLHF 三层解读：从厨房比喻到开放问题
用三种难度（入门/中级/高级）深入理解 RLHF——让大语言模型学会听话的核心技术
Self-Attention 完全指南：从直觉到数学
用三种难度（入门/中级/高级）深入理解 Transformer 的核心机制
Transformer 自注意力机制：三难度解读
注意力机制：从入门到精通
用三种难度层次（入门/中级/高级）系统讲解 Transformer 中的 Self-Attention 机制，从生活类比到数学推导再到前沿优化。
LLM 中的 Temperature
从入门到高级，三个层次彻底理解大语言模型中 Temperature 参数的原理与实践
Test-Time Training 三级教程：从直觉到前沿
用入门、中级、高级三个难度层次理解测试时训练（TTT），包括 In-Place TTT 的最新突破
TTT 入门教程：让模型在推理时「边用边学」
从直觉出发，逐步理解 Test-Time Training 的核心思想、发展脉络与 In-Place TTT 的关键技术