Category
AI 解读
深度学习核心原理解析：Transformer、注意力机制、归一化等关键技术的数学直觉与代码实现
AI 解读算法实践
从 Encoder-Decoder 到 Decoder-Only：Transformer 架构进化史与选型指南
为什么 BERT 是双向的、GPT 是单向的、T5 又要同时有 Encoder 和 Decoder？本文从架构层面讲清三种 Transformer 变体的设计哲学和选型指南。
阅读全文 →AI 解读
Layer Normalization 彻底搞懂：为什么 Transformer 用 LN 而 CNN 用 BN？
Batch Norm 统治了 CV，Layer Norm 统治了 NLP。本文从数学公式、梯度计算到 TypeScript 实现，彻底讲清两者的差异及 Transformer 选择 LN 的根本原因。
阅读全文 →AI 解读
Multi-Head Attention 从数学到代码：TypeScript 并行多头实现完全指南
一个头只学一种关系？太慢。本文将多头注意力的并行分头、独立投影、Concat 全流程用 TypeScript 实现，并对比单头与多头的注意力模式差异。
阅读全文 →AI 解读
Positional Encoding 彻底搞懂：正弦/余弦编码的数学原理与 TypeScript 实现
Transformer 替换掉 RNN 后，模型失去了天然的位置感知能力。本文从数学直觉出发，详解正弦/余弦位置编码的原理，并用 TypeScript 实现可视化工具。
阅读全文 →AI 解读
Self-Attention 机制深度解析：Q、K、V 的数学直觉与 TypeScript 实现
彻底搞懂 Transformer 核心组件 Self-Attention：从 Q/K/V 矩阵计算到数值稳定性优化，手把手用 TypeScript 实现一个可在浏览器运行的自注意力计算器。
阅读全文 →