一条完整的学习路线
阅读 → 实现 → 评测
前沿研究
精选 8 篇，从研究思路到可以动手验证的工程实验。
精选文章Robot recovery: when retrying helps, and when it hides failure
Posted
Read Backtrack, DexPort and ViT-H through a practical lens: frozen policies, action labels, executable motion and bounded recovery. Includes a local state-machine experiment.
研究札记Self-improving agents: reward gains are not capability gains
Posted
A research reading guide and local experiment on adaptive harnesses, reward collapse, frozen-policy comparisons and held-out evaluation.
研究札记From LLM Calls to Agent Harnesses
Posted
英文阅读摘要与本地实验：工具权限、预算、检查点和重试。
研究札记测试时计算：搜索、验证与预算
Posted
先修：概率、评测与推理成本。理解增加尝试何时有效，以及验证器何时成为瓶颈。
研究札记选择性状态空间：Mamba 与序列记忆
Posted
先修：线性代数、递推与注意力。比较压缩状态和显式 token 检索。
研究札记扩散语言模型：掩码与迭代解码
Posted
先修：交叉熵、Transformer 与生成建模。理解 LLaDA 式掩码生成，不把并行性直接当作速度。
论文解析DeepSeek-R1：奖励、推理与证据边界
Posted
分开研究 R1-Zero 和 R1，再设计推理提升的受控检验。本文固定解读 arXiv v1。
论文解析LLM-as-a-judge：先评估评审者
Posted
区分答案偏好与正确性，观察顺序效应如何改变胜率。
系统学习资料库
选择一条路线，逐步建立完整知识。
最新教程
最近加入学习资料库
从零手写 Multi-Head Attention
逐步追踪 Q、K、V 的形状，拆分与合并多头，再用测试验证因果遮罩。
阅读教程 ↗写出数值稳定的 Softmax
推导梯度、完成纸上算例，解决指数溢出与归一化轴错误。
阅读教程 ↗K-Means：从迭代到边界处理
实现分配与中心更新，处理空簇、收敛与初始化问题。
阅读教程 ↗一步步手写 Adam 优化器
理解持久动量、偏差校正，并手算第一次参数更新。
阅读教程 ↗Beam Search：写对搜索与停止逻辑
全局筛选 top-k 候选，处理 EOS，并与贪心解码对照。
阅读教程 ↗本地实验
带着问题打开工具，立即验证。
本地工具在浏览器中处理输入，无需 API Key，不上传输入。
面试与项目
用推导和实现证明理解，而不只是记住答案。
近期面试与实战
近期手写算法训练与项目实践