2025 年 12 月 - 17 文章
什么是卷积核，在CNN里如何应用？ 有更新！
卷积核（Kernel / Filter）是一组可学习的小矩阵，用来在局部区域内提取特定模式的特征。
为什么 Attention 是 O(n²)，能不能降？
Attention 在做的事情是：序列中“每一个 token”都要和“所有 token”算一次相关性。
Transformer 相比CNN和RNN有啥优势？
Transformer 的核心优势不是“Attention”，而是：
用全局依赖 + 高并行，解决了 CNN 看不远、RNN 跑不快的问题。
为什么大部分程序员成不了架构师？-读后感 有更新！
几种常见的Agent框架对比 有更新！
常见的5种Agent框架实现原理
RAG核心概念框架
人工智能发展史
什么是梯度下降
A2A协议拆解
扩展法则和涌现能力的关系是什么？
X支付杀入战场：马斯克的超级应用梦
AI Agent新时代的4大主流框架
以下四大框架正在推动自主、多智能体生态系统的崛起 👇
向量索引HNSW和IVF的区别
相同点：都是近似最近邻（ANN）索引。
为什么是多头自注意力机制 有更新！
多头自注意力是 Transformer 模型的核心创新技术。相比于循环神经网络（Recurrent Neural Network, RNN）和卷积神经网络（Convolutional Neural Network, CNN）等传统神经网络，多头自注意力机制能够直接建模任意距离的词元之间的交互关系。
Transformer 原理通俗讲解
一句话：Embedding + 位置编码 → N 层（多头自注意力 + 残差 + LayerNorm + 前馈）堆叠；若是序列到序列，再在 Decoder 加交叉注意力；用注意力权重决定“当前要看谁”，多头并行看不同关系，层数越深，语义抽象越强。