全文总结于 Bilibili UP 主飞天闪客的一小时到 Transformer 系列视频！ 如何计算神经网络的参数：从损失函数到梯度下降与反向传播 摘要 这篇文章用直观比喻与必要数学并重的方式，讲清楚三件事： 为什么需要“损失函数”来量化预测与真实之间的差距 如何用“梯度下降”把参数一步步调到更好 反向传播如何高效地计算大规...

全文总结于 Bilibili UP 主飞天闪客的一小时到 Transformer 系列视频！ 如何计算神经网络的参数：从损失函数到梯度下降与反向传播 摘要 这篇文章用直观比喻与必要数学并重的方式，讲清楚三件事： 为什么需要“损失函数”来量化预测与真实之间的差距 如何用“梯度下降”把参数一步步调到更好 反向传播如何高效地计算大规...

全文总结于 Bilibili UP 主飞天闪客的一小时到 Transformer 系列视频！ 从函数到神经网络：技术演进与核心关联解析 摘要 神经网络是当前人工智能领域的核心技术之一，但其本质是对“函数”这一基础数学概念的复杂延伸与组合。从早期人工智能符号主义（追求精确函数）到现代联结主义（追求函数近似），技术路线的转变揭示了神经网络的本质：通过层级嵌套和参数优化，构造一个能够逼近任...

全文总结于 Bilibili UP 主飞天闪客的一小时到 Transformer 系列视频！ 从函数到神经网络：技术演进与核心关联解析 摘要 神经网络是当前人工智能领域的核心技术之一，但其本质是对“函数”这一基础数学概念的复杂延伸与组合。从早期人工智能符号主义（追求精确函数）到现代联结主义（追求函数近似），技术路线的转变揭示了神经网络的本质：通过层级嵌套和参数优化，构造一个能够逼近任...

背景知识 一、什么是大模型 为了对人类语言的内在规律进行建模，研究者们提出使用语言模型（Language Model）来准确预测词序列中“下一个词”或“缺失的词”的概率。 语言模型的发展经历了四个主要阶段： 统计语言模型 (Statistical Language Model, SLM): 使用马尔可夫假设来建模语言序列的 n-gram 语言模型。 神经语言模型 (Neur...

引言 过去九章，咱一起走完了一趟挺带劲的技术远征。从吐槽@Scheduled那几个让人头疼的毛病开始，一路解决问题、填坑，最后搞出了一套全新的调度方案。 咱不只是做了个叫hadoken-scheduler的工具，更重要的是，完整走了一遍“从发现问题→定思路→搭架构→写实现”的软件工程流程。 这一章作为收尾，咱不聊新技术细节了，放慢节奏好好复盘：回顾这趟旅程的关键节点，提炼贯...

引言 到目前为止，咱把hadoken-scheduler从一个想法，做成了功能全、够稳定的调度服务。对80%的常规场景来说，前面讲的功能已经够用了。但真实业务里总有那20%的“特殊情况”：比如公司技术栈全靠JPA/MongoDB，框架自带的Mybatis方案用不了；或者想把任务配置统一放到Nacos/Apollo里，改一处全生效。 这一章咱跳出框架的“舒适区”，聊点高级玩法...

原文出处 歌・作詞：星街すいせい 作曲・編曲：酒井拓也 翻译：丁丁、Dragon Dance （找不到翻译大佬的联系方式，如果翻译侵权请告诉我删除。 目前只做了上篇学习的罗马音，等做完下篇视频会在这里更新， 手速快如果罗马音有错误请联系我改正，因为发现错误就直接在PPT上改了，文档就忘记改 了，而且唱歌的时候我一般看假名，如果有小错误有时候也没发现。） 星（ほ...

原文出处 MY ALL罗马音+日语+中文 作词：浜崎あゆみ 作曲：Tetsuya Yukumi 整理：伊宁 翻唱：伊宁 ⌨️ 支持快捷键：空格键播放/暂停，↑↓音量，←→快进快退，数字键调速（0.5x~3x） Ittai mou dore kurai no jikan wo 一体(いったい)もうどれ位 (くらい)の时间(じかん)を 【多少时光】 T...

引言 前面七章咱把hadoken-scheduler的“家底”都摸透了——架构、持久化、监控、API、分布式锁，这些“武功”学完了，总不能光在本地练手，得拿实际业务试试水。框架好不好用，关键看能不能解决真实的业务痛点。 这一章咱彻底切换到“实战模式”，手把手教你用hadoken-scheduler搭个常见场景：动态数据同步中心。这玩意儿在微服务、SaaS应用里特别常用，能支...