全部文章
凡落于此的手记，按年月陈列，供慢慢翻阅。
ViT 入门实测：图片变成 token 以后，模型究竟学会了什么？
更新于:从真实 MNIST ViT 张量流、位置与 patch 消融，到颜色捷径和固定错例，建立视觉模型的第一条证据链。
多模态实验室总纲：五轮实验，十二篇专题，从模型原理读到真实反例
按 ViT、图文理解、图像生成、语音、视频和分割梳理五轮实测，连接结构原理、结果对比与完整案例。
CLIP 图文对齐实验：为什么能检索，却未必理解关系
从正确配对与打乱监督，到多正例、真实负例池和 CLIP/SigLIP2 花卉分类，用三轮实测拆解图文共享空间。
从语言模型到视觉问答：LoRA 提升了什么，没提升什么
串起 LLaMA/LLaVA 的机制、SmolLM2 结构化适配和 Qwen3-VL 图表训练，通过错图、改写与官方评分审计识别收益边界。