全部文章

关于学习、实践与思考的持续记录。

• Qwen-VL 系列架构解读：从视觉连接器到 Qwen3-VL 与最新多模态演进

  更新于:27 Sep, 2026

  深入拆解 Qwen3-VL 的视觉编码器、MLP 连接器、DeepStack、位置编码与训练流程，并核对截至 2026-09-26 的 Qwen3.8-Next、Omni 最新公开报告，附论文与 PDF 入口。

• Vision Transformer（ViT）详解：结构、工作原理与有效性

  26 Sep, 2026

  以 224×224 图像和 ViT-B/16 为例，逐步推导 patch、位置编码、CLS、多头自注意力及张量形状，解释 ViT 为什么有效，以及它与 CNN 相比的数据需求和计算局限。

• AI Agent 全流程链路：从 Message、Tools 与 Skills 装配到执行闭环

  21 Sep, 2026

  面向开发者拆解一条消息进入 AI Agent 后的完整链路：接入与规范化、状态和记忆、策略路由、Tool/Skill 装配、上下文构建、受限工具循环、审批、响应以及运行后治理。

• 梯度下降优化器与梯度提升树：底层原理、演进脉络与选型指南

  20 Sep, 2026

  从参数空间与函数空间出发，系统讲解 SGD、Momentum、AdamW 与 GBDT、XGBoost、LightGBM、CatBoost 的公式、直觉、差异、示例和实战选型。