Gemini 多模态入门：文本以外的信息如何进入模型
用输入表示、跨模态交互与任务评估三个问题阅读 Gemini 的公开报告。
⌘
文章 / POSTS
一个问题，一次拆解。
从基础计算到厂商研究，让每一篇笔记都能接回原始资料。
读 OpenAI 技术报告：哪些能学，哪些仍然未知
从 GPT-4 技术报告建立阅读方法：分开记录公开方法、测评结果和未披露的实现。
Anthropic 的可解释性研究：从回答追问内部计算
理解特征、归因图与干预：为什么模型说出的思考过程不等于完整的内部机制。
从注意力开始：一句话如何变成下一枚 token
沿着 token → 向量 → 注意力 → 概率分布，理解语言模型的一次前向计算。
从 Qwen 报告到代码：建立自己的模型阅读清单
把预训练、指令微调与实际模型配置串起来，形成可重复使用的阅读方法。
DeepSeek-V3 拆解：MoE 与 MLA 分别省在哪里
把计算量与缓存开销分开看，理解稀疏专家和潜在注意力的两条优化路线。
这个主题下还没有文章，试试其他标签。