The complete archive

The complete archive

Every piece, by year — newest at the top.

2026

Mar 26 用 Terraform 给 AI Agent 上云（八）：端到端——一次 apply 起整个 research-agent-stack Terraform Agents

Mar 24 用 Terraform 给 AI Agent 上云（七）：可观测、SLS 看板与成本告警 Terraform Agents

Mar 22 用 Terraform 给 AI Agent 上云（六）：LLM 网关与密钥管理 Terraform Agents

Mar 20 用 Terraform 给 AI Agent 上云（五）：存储层——向量、关系、对象记忆 Terraform Agents

Mar 18 用 Terraform 给 AI Agent 上云（四）：计算层选 ECS、ACK 还是函数计算？ Terraform Agents

Mar 16 用 Terraform 给 AI Agent 上云（三）：可复用的 VPC 与安全基线 Terraform Agents

Mar 14 用 Terraform 给 AI Agent 上云（二）：Provider、认证与 OSS 上的远程 State Terraform Agents

Mar 12 用 Terraform 给 AI Agent 上云（一）：为什么 IaC 是唯一靠谱的部署方式 Terraform Agents

Mar 09 阿里云 PAI 实战（五）：Designer vs Model Gallery——GUI 什么时候真值钱 Aliyun PAI

Mar 08 阿里云 PAI 实战（四）：PAI-EAS——模型部署、冷启动、以及 TPS 谎言 Aliyun PAI

Mar 07 阿里云 PAI 实战（三）：PAI-DLC——不用通宵刨坑的分布式训练 Aliyun PAI

Mar 06 阿里云 PAI 实战（二）：PAI-DSW——不会吃掉权重的 Notebook Aliyun PAI

Mar 05 阿里云 PAI 实战（一）：平台总览与产品家族地图 Aliyun PAI

Mar 01 阿里云百炼实战（五）：Qwen-TTS 多语言语音合成 Aliyun Bailian

Feb 28 阿里云百炼实战（四）：万相视频生成端到端 Aliyun Bailian

Feb 27 阿里云百炼实战（三）：Qwen-Omni 多模态——视频、音频、图像理解 Aliyun Bailian

Feb 26 阿里云百炼实战（二）：Qwen 文本大模型在生产环境的用法 Aliyun Bailian

Feb 25 阿里云百炼实战（一）：平台总览与第一个请求 Aliyun Bailian

Feb 08 机器学习数学推导（二十）：正则化与模型选择 ML Math Derivations

Feb 07 机器学习数学推导（十九）：神经网络与反向传播 ML Math Derivations

Feb 06 机器学习数学推导（十八）：聚类算法 ML Math Derivations

Feb 05 机器学习数学推导（十七）：降维与主成分分析 ML Math Derivations

Feb 04 机器学习数学推导（十六）：条件随机场 ML Math Derivations

Feb 03 机器学习数学推导（十五）：隐马尔可夫模型 ML Math Derivations

Feb 02 机器学习数学推导（十四）：变分推断与变分EM ML Math Derivations

Feb 01 机器学习数学推导（十三）：EM算法与GMM ML Math Derivations

Jan 31 机器学习数学推导（十二）：XGBoost 与 LightGBM ML Math Derivations

Jan 30 机器学习数学推导（十一）：集成学习 ML Math Derivations

Jan 29 机器学习数学推导（十）：半朴素贝叶斯与贝叶斯网络 ML Math Derivations

Jan 28 机器学习数学推导（九）：朴素贝叶斯 ML Math Derivations

Jan 27 机器学习数学推导（八）：支持向量机 ML Math Derivations

Jan 26 机器学习数学推导（七）：决策树 ML Math Derivations

Jan 25 机器学习数学推导（六）：逻辑回归与分类 ML Math Derivations

Jan 24 机器学习数学推导（五）：线性回归 ML Math Derivations

Jan 23 机器学习数学推导（四）：凸优化理论 ML Math Derivations

Jan 22 机器学习数学推导（三）：概率论与统计推断 ML Math Derivations

Jan 21 机器学习数学推导（二）：线性代数与矩阵论 ML Math Derivations

Jan 20 机器学习数学推导（一）：绪论与数学基础 ML Math Derivations

Jan 15 推荐系统（十六）—— 工业级架构与最佳实践 Recommendation Systems

Jan 12 推荐系统（十五）—— 实时推荐与在线学习 Recommendation Systems

Jan 09 推荐系统（十四）—— 跨域推荐与冷启动解决方案 Recommendation Systems

Jan 06 推荐系统（十三）—— 公平性、去偏与可解释性 Recommendation Systems

Jan 03 推荐系统（十二）—— 大语言模型与推荐系统 Recommendation Systems

2025

Dec 31 推荐系统（十一）—— 对比学习与自监督学习 Recommendation Systems

Dec 28 推荐系统（十）—— 深度兴趣网络与注意力机制 Recommendation Systems

Dec 25 推荐系统（九）—— 多任务学习与多目标优化 Recommendation Systems

Dec 22 推荐系统（八）—— 知识图谱增强推荐系统 Recommendation Systems

Dec 19 推荐系统（七）—— 图神经网络与社交推荐 Recommendation Systems

Dec 16 推荐系统（六）—— 序列推荐与会话建模 Recommendation Systems

Dec 13 推荐系统（五）—— Embedding表示学习 Recommendation Systems

Dec 10 推荐系统（四）—— CTR预估与点击率建模 Recommendation Systems

Dec 07 推荐系统（三）—— 深度学习基础模型 Recommendation Systems

Dec 04 推荐系统（二）—— 协同过滤与矩阵分解 Recommendation Systems

Dec 01 推荐系统（一）—— 入门与基础概念 Recommendation Systems

Nov 25 自然语言处理（十二）：前沿技术与实战应用 NLP

Nov 20 自然语言处理（十一）：多模态大模型 NLP

Nov 15 自然语言处理（十）：RAG与知识增强系统 NLP

Nov 10 自然语言处理（九）：大语言模型架构深度解析 NLP

Nov 05 自然语言处理（八）：模型微调与PEFT NLP

Oct 31 自然语言处理（七）：提示工程与In-Context Learning NLP

Oct 26 自然语言处理（六）：GPT与生成式语言模型 NLP

Oct 21 自然语言处理（五）：BERT与预训练模型 NLP

Oct 19 学习率：从入门到大模型训练的终极指南 Standalone

Oct 16 自然语言处理（四）：注意力机制与Transformer NLP

Oct 11 自然语言处理（三）：RNN与序列建模 NLP

Oct 06 自然语言处理（二）：词向量与语言模型 NLP

Oct 01 自然语言处理（一）：NLP入门与文本预处理 NLP

Sep 25 强化学习（十二）：RLHF与大语言模型应用 Reinforcement Learning

Sep 20 强化学习（十一）：层次化强化学习与元学习 Reinforcement Learning

Sep 19 AI Agent 完全指南：从理论到工业实践 Standalone

Sep 15 强化学习（十）：离线强化学习 Reinforcement Learning

Sep 10 强化学习（九）：多智能体强化学习 Reinforcement Learning

Sep 05 强化学习（八）：AlphaGo与蒙特卡洛树搜索 Reinforcement Learning

Aug 31 强化学习（七）：模仿学习与逆强化学习 Reinforcement Learning

Aug 26 强化学习（六）：PPO与TRPO：信任域策略优化 Reinforcement Learning

Aug 21 强化学习（五）：Model-Based强化学习与世界模型 Reinforcement Learning

Aug 16 强化学习（四）：探索策略与好奇心驱动学习 Reinforcement Learning

Aug 11 强化学习（三）：Policy Gradient与Actor-Critic方法 Reinforcement Learning

Aug 06 强化学习（二）：Q-Learning 与深度 Q 网络（DQN） Reinforcement Learning

Aug 01 强化学习（一）：基础与核心概念 Reinforcement Learning

Jul 06 迁移学习（十二）：工业应用与最佳实践 Transfer Learning

Jul 05 近端算子：从 Moreau 包络到 ISTA/FISTA 与 ADMM Standalone

Jun 30 迁移学习（十一）：跨语言迁移 Transfer Learning

Jun 24 迁移学习（十）：持续学习 Transfer Learning

Jun 18 迁移学习（九）：参数高效微调 Transfer Learning

Jun 12 迁移学习（八）：多模态迁移 Transfer Learning

Jun 06 迁移学习（七）：零样本学习 Transfer Learning

Jun 03 浅谈位置编码：从 Sinusoidal 到 RoPE 与 ALiBi Standalone

May 31 迁移学习（六）：多任务学习 Transfer Learning

May 25 迁移学习（五）：知识蒸馏 Transfer Learning

May 19 迁移学习（四）：小样本学习 Transfer Learning

May 13 迁移学习（三）：域适应 Transfer Learning

May 07 迁移学习（二）：预训练与微调 Transfer Learning

May 01 迁移学习（一）：基础与核心概念 Transfer Learning

Apr 30 前沿应用与总结 -- 量子计算、GNN、大模型，与十八章回望 Linear Algebra

Apr 23 计算机视觉中的线性代数 -- 从像素到三维重建 Linear Algebra

Apr 16 深度学习中的线性代数 -- 从全连接到 Transformer Linear Algebra

Apr 09 机器学习中的线性代数 -- 从 PCA 到推荐系统 Linear Algebra

Apr 02 随机矩阵理论 -- 混沌中的秩序 Linear Algebra

Mar 26 张量与多线性代数 -- 从标量到高维数据立方体 Linear Algebra

Mar 19 稀疏矩阵与压缩感知 -- 少即是多的数学奇迹 Linear Algebra

Mar 12 矩阵微积分与优化 -- 从梯度到反向传播 Linear Algebra

Mar 05 矩阵范数与条件数 -- 数值计算的健康体检 Linear Algebra

Feb 26 奇异值分解 SVD Linear Algebra

Feb 19 对称矩阵与二次型 Linear Algebra

Feb 12 正交性与投影 -- 当向量互不干扰 Linear Algebra

Feb 05 特征值与特征向量 Linear Algebra

Jan 29 线性方程组与列空间 Linear Algebra

Jan 22 行列式的秘密 Linear Algebra

Jan 15 矩阵作为线性变换 Linear Algebra

Jan 08 线性组合与向量空间 Linear Algebra

Jan 01 向量的本质 -- 不仅仅是箭头 Linear Algebra

2024

Dec 27 核方法：从理论到实战 (RKHS、常见核函数与超参数调优) Standalone

Dec 15 时间序列模型（八）：Informer -- 高效长序列预测 Time Series Forecasting

Nov 30 时间序列模型（七）：N-BEATS -- 可解释的深度架构 Time Series Forecasting

Nov 15 时间序列模型（六）：时序卷积网络 (TCN) Time Series Forecasting

Oct 31 时间序列模型（五）：时间序列的 Transformer 架构 Time Series Forecasting

Oct 16 时间序列模型（四）：Attention 机制 -- 直接的长程依赖 Time Series Forecasting

Oct 13 Integrating Large Language Models with Graphical Session-Based Recommendation Standalone

Oct 01 时间序列模型（三）：GRU -- 轻量门控与效率权衡 Time Series Forecasting

Sep 16 时间序列模型（二）：LSTM -- 门控机制与长期依赖 Time Series Forecasting

Sep 01 时间序列模型（一）：传统统计模型 Time Series Forecasting

Aug 14 PDE与机器学习（八）：反应扩散系统与GNN PDE and Machine Learning

Jul 30 PDE与机器学习（七）：扩散模型与Score Matching PDE and Machine Learning

Jul 18 辛几何与结构保持神经网络：让模型学会守恒 Standalone

Jul 15 矩阵低秩近似与伪逆：从 SVD 到正则化 Standalone

Jul 15 PDE与机器学习（六）：连续归一化流与Neural ODE PDE and Machine Learning

Jun 30 PDE与机器学习（五）：辛几何与保结构网络 PDE and Machine Learning

Jun 15 PDE与机器学习（四）：变分推断与Fokker-Planck方程 PDE and Machine Learning

Jun 05 变分自编码器 (VAE)：从直觉到实现与调试 Standalone

May 31 PDE与机器学习（三）：变分原理与优化 PDE and Machine Learning

May 16 PDE与机器学习（二）：神经算子理论 PDE and Machine Learning

May 05 多模态大模型与下游任务研究 Standalone

May 01 PDE与机器学习（一）：物理信息神经网络 PDE and Machine Learning

Apr 27 LAMP 与阿里云服务器详解 Standalone

Apr 20 Prefix-Tuning：为生成任务优化连续提示 Standalone

Apr 15 常微分方程（十八）：前沿专题与系列总结 ODE Foundations

Mar 29 常微分方程（十七）：物理与工程应用 ODE Foundations

Mar 12 常微分方程（十六）：控制理论基础 ODE Foundations

Feb 24 常微分方程（十五）：种群动力学 ODE Foundations

Feb 07 常微分方程（十四）：传染病模型与流行病学 ODE Foundations

Jan 22 重参数化技巧与 Gumbel-Softmax 详解 Standalone

Jan 21 常微分方程（十三）：偏微分方程引论 ODE Foundations

Jan 04 常微分方程（十二）：边值问题 ODE Foundations

2023

Dec 22 LLM 工作流与应用架构：企业级实战指南 Standalone

Dec 22 Graph Contextualized Self-Attention Network for Session-based Recommendation Standalone

Dec 18 常微分方程（十一）：数值方法 ODE Foundations

Dec 01 常微分方程（十）：分岔理论 ODE Foundations

Nov 24 提示词工程完全指南：从零基础到高级优化 Standalone

Nov 14 常微分方程（九）：混沌理论与洛伦兹系统 ODE Foundations

Oct 28 常微分方程（八）：非线性系统与相图 ODE Foundations

Oct 11 常微分方程（七）：稳定性理论 ODE Foundations

Sep 24 常微分方程（六）：线性微分方程组 ODE Foundations

Sep 07 常微分方程（五）：级数解法与特殊函数 ODE Foundations

Aug 21 常微分方程（四）：拉普拉斯变换 ODE Foundations

Aug 15 paper2repo： GitHub Repository Recommendation for Academic Papers Standalone

Aug 04 常微分方程（三）：高阶线性微分方程 ODE Foundations

Jul 18 常微分方程（二）：一阶微分方程的求解方法 ODE Foundations

Jul 01 常微分方程（一）：微分方程的起源与直觉 ODE Foundations

Jun 14 多云管理与混合云架构 Cloud Computing

May 26 运维与 DevOps 实践 Cloud Computing

May 07 云安全与隐私保护 Cloud Computing

Apr 23 HCGR —— Hyperbolic Contrastive Graph Representation Learning for Session-based Recommendation Standalone

Apr 18 云网络架构与 SDN Cloud Computing

Apr 15 Mixture-of-Subspaces in Low-Rank Adaptation (MoSLoRA) Standalone

Mar 30 云存储系统与分布式架构 Cloud Computing

Mar 11 云原生与容器技术 Cloud Computing

Feb 20 虚拟化技术深度解析 Cloud Computing

Feb 11 Lipschitz 连续性、强凸性与加速梯度下降 Standalone

Feb 01 云计算基础与架构体系 Cloud Computing

Jan 14 计算机基础：深度解析与系统协作 Computer Fundamentals

2022

Dec 27 SR-GNN —— Session-based Recommendation with Graph Neural Networks Standalone

Dec 24 计算机基础：网络、电源与故障排查 Computer Fundamentals

Dec 16 优化算法的演进：从梯度下降到 Adam（再到 2025 之后） Standalone

Dec 07 Solving Constrained Mean-Variance Portfolio Optimization Problems Using Spiral Optimization Algorithm Standalone

Dec 03 计算机基础：主板、显卡与扩展 Computer Fundamentals

Nov 12 计算机基础：存储系统（HDD vs SSD） Computer Fundamentals

Nov 09 网球场景计算机视觉系统设计：从论文调研到工业实现 Standalone

Oct 22 计算机基础：内存与高速缓存系统 Computer Fundamentals

Oct 01 计算机基础：CPU 与计算核心 Computer Fundamentals

Sep 13 LeetCode（十）—— 栈与队列 LeetCode Patterns

Aug 29 LeetCode（九）—— 贪心算法 LeetCode Patterns

Aug 28 操作系统基础深度解析 Standalone

Aug 14 LeetCode（八）—— 回溯算法 LeetCode Patterns

Jul 30 LeetCode（七）—— 动态规划入门 LeetCode Patterns

Jul 15 LeetCode（六）—— 二叉树遍历与构造 LeetCode Patterns

Jun 30 LeetCode（五）—— 二分查找 LeetCode Patterns

Jun 15 LeetCode（四）—— 滑动窗口技巧 LeetCode Patterns

Jun 14 Graph Neural Networks for Learning Equivariant Representations of Neural Networks Standalone

May 31 LeetCode（三）—— 链表操作 LeetCode Patterns

May 16 LeetCode（二）—— 双指针技巧 LeetCode Patterns

May 01 LeetCode（一）—— 哈希表 LeetCode Patterns

Apr 15 Linux Vim 解析 Linux

Apr 02 Linux 文件操作深入解析 Linux

Mar 20 Linux 进程与资源管理：从 top 到 cgroups Linux

Mar 07 Linux 系统服务管理 Linux

Feb 22 Linux 用户管理 Linux

Feb 09 Linux 软件包管理 Linux

Jan 27 Linux 磁盘管理 Linux

Jan 14 Linux 文件权限：rwx、chmod、chown 与超越它们的机制 Linux

Jan 01 Linux 使用基础 Linux

0001

Jan 01 Series Standalone

Jan 01 Projects Standalone

Jan 01 Archives Standalone

Jan 01 About Standalone