探索从传统机器学习到生成式AI的进化之路。欢迎 2026 秋季学期的所有研究生加入这场智能革命。
开始探索 →深入探讨统计学习、神经网络基础以及深度学习的核心架构，为大模型构建夯实数学根基。
从Attention机制到GPT系列，分析大模型的规模法则 (Scaling Laws) 与涌现能力 (Emergent Abilities)。
学习 SFT、RLHF 及 Prompt Engineering，探索如何让模型更安全、更高效地服务于真实场景。
线性模型 $\rightarrow$ 深度神经网络 $\rightarrow$ 优化算法。
编码器-解码器架构、多头注意力机制、预训练任务。
高效微调 (PEFT)、量化、推理加速及部署。
多模态模型、AI Agent 及其伦理挑战。