专栏 / 0111 篇文章
多模态与视觉
从图像与视频理解，到视觉语言模型和图像生成。
博客专栏
博客以介绍为主，不求甚解：沿着不同专栏的话题，认识一个概念、方法或工具。
博客目录 →专栏 / 028 篇文章
大模型与训练优化
理解模型结构、学习方法，以及训练与推理中的工程取舍。
专栏 / 034 篇文章
具身智能与世界模型
围绕机器人如何感知、行动与预测，串起数据、模型和控制。
专栏 / 046 篇文章
开发与工具实践
记录网站搭建、网络原理，以及日常工具的使用经验。
最新文章
共 29 篇一次 Cloudflare Pages 构建失败排查：从 npm ci 锁文件报错到手机样式恢复
记录一次 QQ、百度手机浏览器页面样式异常的排查过程：从 Tailwind CSS 兼容性、Cloudflare 构建日志，到 npm ci 与 package-lock.json 不同步的修复和线上验证。
#Cloudflare Pages#npm ci#package-lock.json#Astro#Tailwind CSS#网站部署#故障排查
ZeRO 显存优化：ZeRO-1、ZeRO-2 与 ZeRO-3
从混合精度 Adam 的显存账本出发，拆解 ZeRO 三阶段如何逐步切分优化器状态、梯度和参数，并用 7B、13B 例子估算显存与通信代价。
#大模型训练#显存优化#ZeRO#DeepSpeed#分布式训练#模型微调
LLaVA 是什么：从视觉指令微调到开源多模态生态
从 LLaVA 的视觉编码器、投影层和语言模型，到两阶段训练、GQA 数据集、LLaVA-1.5 以及它对后续开源多模态模型的影响。
#LLaVA#多模态模型#视觉语言模型#视觉指令微调#GQA
模型参数量怎么算：CNN、Transformer、ViT、LoRA 与 Adapter
从卷积核、注意力投影和前馈网络，到 ViT 的 patch embedding、LoRA 与 Adapter，掌握主流模型参数量的估算方法。
#模型参数量#CNN#Transformer#ViT#LoRA#Adapter
视觉特征融合的五种经典玩法：FPN、PANet、BiFPN、ASPP 与 Non-local
从跨层金字塔、双向路径、可学习加权，到层内多尺度上下文和全局依赖，理解五种经典视觉特征融合模块的差异与适用边界。
#计算机视觉#特征融合#目标检测#语义分割#FPN#BiFPN