每一阶段都留下一个产出
基础阶段画出计算图；架构阶段标注张量与缓存；训练阶段整理版本和实验条件；研究阶段做一张证据卡。把“看懂了”变成下次能复用的笔记。
继续探索
沿 厂商专题 阅读多模态与可解释性研究，再回到基础计算检查自己的理解。
从原理到实现 / LEARNING PATH
给好奇心，一条清晰的路线。
先掌握共同的计算基础，再比较不同模型的设计选择。按自己的节奏，一步一步来。
阶段 01
基础计算 ↗
token、向量、注意力与下一枚 token。
阶段 02模型架构 ↗
从稠密网络到 MoE，拆开计算与缓存。
阶段 03训练与对齐 ↗
区分基础模型、指令模型与采样策略。
阶段 04研究方法 ↗
先确认公开证据，再讨论未知实现。