共 3 篇文章
AI教育学习方法未来工作成长思维数学
顶尖数学家给感觉落后的人的9条建议丨EO
数学家 Ken Ono 谈 AI 触碰专业身份后的不安与应对：模型逼近研究问题让人失去笃定，但发现过程无法被压缩成一次问答，人仍要决定下一步往哪走。他用开车不必先造发动机比喻能力封装——把算力省下的精力放回发现。九条建议指向如何不被标准定义、与 AI 共处。适合焦虑被 AI 追赶的人。
2026-08-3013000
AI基础设施大语言模型知识管理AI学习数学架构
AI 推理工程所需的数学知识（完整路线图）
从零讲解构建 LLM 推理引擎所需的一整套数学知识路线图。沿 Prompt→Tokenizer→权重/嵌入→Transformer Block(Attention、Layer Norm、FFN)→Linear Head→解码策略→Softmax 的推理流水线，逐环节标注数学基础，帮想从底层理解、从零实现的学习者理清边界与顺序。适合做推理引擎、系统优化，或想从数学视角理解大模型的工程师。
2026-09-096000
大模型LLM深度学习机器学习神经网络大模型数学
AI / ML 所需线性代数知识（完整路线图）
本文给出 AI/ML 所需的线性代数完整学习路线图。按 Phase 1 到 6 由浅入深梳理标量、向量、矩阵、张量、点积与矩阵运算、特征值与特征向量、SVD 与矩阵分解、梯度、Jacobian、Hessian 等核心知识，并映射到线性回归、PCA、Transformer、推荐系统、LoRA 等真实任务。强调动手实现与可视化，适合需补数学短板、读懂论文与框架的 ML 实践者。
2026-09-220000