几篇塑造了今天 AI 格局的论文：《Attention is All You Need》提出 Transformer，《BERT》开创预训练理解范式，《GPT-3》证明规模的力量，AlphaGo 展示强化学习的潜力。读它们，就是读 AI 的思...

注意力权重能告诉我们模型在生成每个词时“看”了输入的哪些部分。把它画成热力图，AI 的目光轨迹便一览无余——这是窥探黑箱最有力的工具之一。 注意力可视化的魅力在于，它把最抽象的计算变成...

深度模型为何有效？内部那几十亿个数字在做什么？可解释性研究试图回答这些问题。目前我们有了显微镜（注意力图、探针实验），但离真正的“理解”还很远。 可解释性是 AI 领域最深刻的科学问题...

基础增强是翻转裁剪，进阶增强是 MixUp（把两张图混合）、CutMix（拼接图片区域）、RandAugment（随机组合增强操作）。它把有限数据的价值榨干。 数据增强的底层逻辑是“制造困难的多样性”。模...

同样的任务，换一个损失函数，模型表现可能天差地别。损失函数定义了“什么是好”，而如何定义“好”，往往是最难的技术决策。 损失函数的设计是最具哲学意味的工程实践：你把什么定义为“误差...

超分辨率（SR）把低分辨率图像放大并补细节。传统插值只会让图更糊，深度学习模型能“猜”出合理细节，让老照片重获新生。 超分辨率的本质是“有依据的想象”：模型不是恢复真相，而是基于经验...

去噪、去模糊、去雨去雾、去摩尔纹，这些任务统称图像恢复。它们共享同一个思路：建模退化过程，然后学习逆过程。深度学习让这些任务的精度都上了一个台阶。 图像恢复的思路——“理解事物如何...

卷积层用一个小矩阵（卷积核）在图像上滑动，每滑动一次就计算一次内积，得到一张特征图。它是 CNN 提取边缘、纹理等局部特征的数学工具，也是深度学习视觉革命的起点。 卷积的美妙在于“局部性...

池化层把特征图缩小：取一小块区域的最大值（最大池化）或平均值（平均池化）作为一个输出。它降低了计算量，同时赋予模型一定的平移不变性。 池化的设计体现了“有所取舍”的智慧：主动丢弃一...

感受野指一个神经元在原始图像上“看到”的区域大小。网络越深，感受野越大，神经元也从看局部像素进化到看整张图。理解感受野，就理解了 CNN 是如何逐层抽象的。 感受野像一个人的视野：阅历越...

张量是深度学习中万能的数据容器：标量是 0 维张量，向量是 1 维，矩阵是 2 维，图像是 3 维，一批图像是 4 维。所有深度学习运算都可以归约为张量运算。 张量的哲学很迷人：万物皆数。一张照片...

VAE 把输入压缩成一个概率分布（编码），再从中采样重建输出（解码）。它让模型学到的不是固定向量而是连续可插值的空间，是生成模型的重要分支。 VAE 最迷人的能力是“语义插值”：在笑脸上减...