记录大模型学习、工程实践与论文阅读。

整理一套适合大模型方向的论文阅读框架，帮助快速抓住问题、方法、实验和局限。

记录大模型应用评测的基本维度，包括正确性、稳定性、引用质量和失败样例分析。

梳理向量数据库在 RAG 系统中的作用，包括 embedding、索引、召回和元数据过滤。

从 Query、Key、Value 的计算过程理解自注意力为什么能捕捉长距离依赖。

介绍 Agent 的规划、记忆、工具调用和执行反馈循环。

总结 prompt 的角色设定、任务约束、示例设计和输出格式控制。

记录本地推理环境、量化模型、推理服务和资源评估的基础路径。

梳理 LoRA 的基本思想、训练数据准备、参数配置和实验复盘方式。

解释 RAG 的检索、重排、上下文拼接和生成流程，以及它为什么能缓解知识更新问题。

从注意力机制、位置编码和编码器-解码器结构理解 Transformer 为什么适合大模型。