学术基础

内容与核心概念

检索状态反映了2026年9月8日的研究阶段,然后由Python oracle和JavaScript测试检查独立的数字实例;这不是主要模型学习的复制。
S01. Deep Learning: Introduction
Citation: Ian Goodfellow, Yoshua Bengio, Aaron Courville.
Deep Learning
麻省理工学院出版社,2016年,第1章,特别是第1-10和13-16页。
类型:大学教科书;中学;ISBN 9780262035613。
Stable URL:
https://www.deeplearningbook.org/contents/intro.html
检索检索: 第一个
webfetch
返回后运输错误;重复与
format=text
收到该章的文本。 工具的回复被剪切过晚; 可见部分中包含使用 1. 4 、 1. 5 的导言部分和数字。 整本书不读, 原始图像被检查 。
用于:C01-C03;投资DL/ML/AI、再演示闪电、MLP作为功能构成,而不是生物上现实的大脑模型。
证据定位器:中间讨论;图1.4的说明;第1.2.1节,指出DL不应被理解为模拟大脑的尝试。
Caveats:历史“日常”估计数、数据量和能力指2016年;2026年不作为技术使用;“深”的单层阈值没有设定。
S02. D2L: Linear Regression
Citation: Aston Zhang, Zachary C. Lipton, Mu Li, Alexander J. Smola.
Dive into Deep Learning
. Cambridge University Press, 2023; web edition 1.0.3, §3.1.
类型:学术教科书;中学。
Stable URL:
https://d2l.ai/chapter_linear-regression/linear-regression.html
检索:收到部分的 HTML 文本; 仪器输出在本部分部分之后被切除; traning 成套设备/地物/装置的可见定义, §3.1.1.1至3.1.1.3, 公式3.1.1至3.1.9.; 没有发射膝上型计算机。
Used for: C03-C05;
y_hat=w^T x+b
我们的一步骤例子 是我们自己的专长 而不是一个最终结果的引用
Caveats: “ 线回归” 包含偏差, 因此在入口处有affinna ; 火车损失的最小化本身并不能证明是一般化的。 实验室的数量由工程的一个单独的神器来检查 。
S03. D2L: Language Models
Citation: Zhang, Lipton, Li, Smola.
Dive into Deep Learning
, 2023, web edition 1.0.3, §9.3.
类型: 学术教学课;中学;与
S02
并非独立的版权来源。
Stable URL:
https://d2l.ai/chapter_recurrent-neural-networks/language-model.html
检索:收到 HTML 文本的内容,结论在稍后时间切割;见§9.3.1, 公式9.3.1至9.3.8。
用于: C06, C07; 序列概率链降解,以下当前负日志的有条件分布。
Civats:讨论n-grams并不是今天的LLM的架构;谈论当前对话的可能性是历史的。 混淆不是一种衡量真相的方法。
S04. D2L: Attention Scoring Functions
Citation: Zhang, Lipton, Li, Smola.
Dive into Deep Learning
, 2023, web edition 1.0.3, §11.3.
类型:学术研究部分;中学;同本书。
Stable URL:
https://d2l.ai/chapter_attention-mechanisms-and-transformers/attention-scoring-functions.html
检索: 收到文本, 公式11.3.2至11.3.3, 用于解释质量软体和代码部分; 输出切断的末期部分。 代码未启动 。
至:C08;缩放的点产品、钥匙、遮蔽位置。
S07
但这不是对我们计算结果的审计
Caveats: 在示例中建立掩码与因果掩码不同。 代码中的最后大量负数不是数学。
-infinity
关于分散的讨论要求组成部分的独立、零平均值和单位分散;这些条件没有说明我们的固定E。
S05. GPT-3
Citation: Tom B. Brown, Benjamin Mann, Nick Ryder et al.
Language Models are Few-Shot Learners
. 2020.
Type: original paper / author preprint; primary.
标准身份证:ArXiv:2005.14165,收到卡片V4;
https://arxiv.org/abs/2005.14165
Retrieval:
abstract-only
和书目元数据;PDF/HTML没有要求全文。
用于:C06;摘要明确指出,任务和短镜头运动是由文本造成的,在应用该模型时没有进行辐射更新或微调,也称为自动采集的GPT-3,有175亿段。
Caveats: 不要使用抽象的符号、 层规范、 火车食谱、 基准表或现代产品 。 计算我们的玩具不需要参数数量, 也没有将参数转移到所有 GPT 。
S06. RAG
Citation: Patrick Lewis, Ethan Perez, Aleksandra Piktus et al.
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks
. NeurIPS 2020; arXiv revision v4, 2021.
Type: original paper / author preprint; primary.
Stable ID: arXiv:2005.11401;
https://arxiv.org/abs/2005.11401
Retrieval:
abstract-only
和元数据;没有读取PDF和完整的 HTML。
原名:C12;参数记忆与非参数记忆的结合;工作包括后2当量生成器、密集的维基百科指数和神经检索器。
Caveats:这些是具体的RAG培训模式,不能证明任何管道搜索都是相同的。 Abstact报告作者的比较结果,但并不明显。 我们本地的词汇检索模拟并不复制纸张。
S07. Attention Is All You Need
Citation: Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Lukasz Kaiser, Illia Polosukhin.
Attention Is All You Need
2017年;收到Arxiv v7 (2023年)。
Type: original paper / author preprint; primary.
Stable ID: arXiv:1706.03762;
https://arxiv.org/abs/1706.03762
Full text fetched:
https://arxiv.org/html/1706.03762v7
检索:抽象和
收到完整的 XML 文本纸
本章首先见第3.1-3.5段和表1;没有复制图像,也没有单独阅读PDF。
用于:C08-C10;评估(1),第3.2.3节中的掩码,第3.1节中的累进和正常化,FFFN清除(2),周末嵌入/软体和刺刺,第3.4节中的定位编码,第3.5节。
Caveats: 原变换器是用于传输的编码器解码器, 与 GPT 解码法不完全相同。 在多标题、 层规范、 嵌入缩放缩放及相关重量的来源, 这些部件在玩具中是不同的 。
S08. Foundation Models
Citation: Rishi Bommasani, Drew A. Hudson, Ehsan Adeli et al.
On the Opportunities and Risks of Foundation Models
. Stanford CRFM report, 2021; arXiv v3 (2022).
类型:学术概览报告/作者预印本;审查摘要,原始术语建议。
Stable ID: arXiv:2108.07258;
https://arxiv.org/abs/2108.07258
Retrieval:
abstract-only
和元数据。
指:C02;基金会模式被广泛教授,并适应许多下游任务;该词并不意味着即时、无误应用。
Caveats:这是一份报告的定义,不是通用尺寸的阈值。 未经全面分析,关于出现的论点不会发展出来。
S09. 软峰的数值稳定性
Citation: Pierre Blanchard, Desmond J. Higham, Nicholas J. Higham.
Accurate Computation of the Log-Sum-Exp and Softmax Functions
. 2019 author preprint.
类型:原始数字分析文件;初级;D2L独立作者组。
Stable ID: arXiv:1909.03469;
https://arxiv.org/abs/1909.03469
Retrieval:
abstract-only
B. 名称略有不同和名称略异的《日刊》版
10.1093/imanum/draa038
指定以
S10
;不分开。
用于:C11;风险溢出/溢出以及需要区分数学等值和浮点行为。
Caveats:不阅读弓和书面证据。减法最大值在演讲中以代数法说明理由,并独立描述
S10
但玩具的计算结果 并没有被这篇论文证实
S10. SciPy softmax
Citation: The SciPy community.
scipy.special.softmax
收到在线参考页 v1.18.0, 2026 (访问日期;未标明某一年的页面)。
类型: 正式工程文件;主修API行为,而非学术论文。
Stable URL:
https://docs.scipy.org/doc/scipy/reference/generated/scipy.special.softmax.html
检索:收到内容页,包括说明和实例。
用于:C11;软式公式,由选定的轴总和,移到防止溢出;独立文件,供今后重新检查。
SciPy不是个示范瘾。
axis=None
默认值与关注的字符串不匹配。 没有开始任何内容 。
S11. JavaScript Number
Citation: MDN contributors.
Number
,最后修改的2026-07-12页。
类型:技术参考文件;参考欧洲排雷行动中心。
Stable URL:
https://developer.mozilla.org/en-US/docs/Web/JavaScript/Reference/Global_Objects/Number
检索: 收到内容页面; 使用了数字编码部分 。
Used for: C14;
Number
具有二进制64-语义,数字有精确度限制。包装的数字有效载荷不是衡量联署材料物体内存的尺度。
Caveats: normative URL
https://tc39.es/ecma262/multipage/ecmascript-data-types-and-values.html#sec-ecmascript-language-types-number-type
也实际请求, 但可用输出被切到标题; 标准没有意义。 堆积的大小取决于执行、 类型
Number
无法保证任何联署材料质量的每个组成部分的体力8B。
S12. Subword Units
Citation: Rico Sennrich, Barry Haddow, Alexandra Birch.
Neural Machine Translation of Rare Words with Subword Units
. ACL 2016, pp. 1715-1725; preprint 2015.
Type: original conference paper; primary.
Stable ID: DOI
10.18653/v1/P16-1162
;
https://aclanthology.org/P16-1162/
;
https://arxiv.org/abs/1508.07909
(v5).
检索:ACL登陆页提供了元数据和延迟授标注,但没有提供体纸;分别收到ARXiv
abstract-only
PDF没读过
用于: C07; 一个稀有的单词可能是子字单位序列; 抽象明确指基于字节对对数编码的分隔。
Caveats: 不要将 BPE 抽象地使用, 并且不批准当前代谢器中俄罗斯语行的特定分隔。 Regex 显示器不是 BPe 。
数学群集 01-05
ML和神经网络
计算和信号 10 - 11
语言区块 12 - 15
A. 生命周期和生命周期和生命系统 16 - 20 6