<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Large Language Models on Chen Kai Blog</title><link>https://www.chenk.top/zh/tags/large-language-models/</link><description>Recent content in Large Language Models on Chen Kai Blog</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Sat, 03 Jan 2026 09:00:00 +0000</lastBuildDate><atom:link href="https://www.chenk.top/zh/tags/large-language-models/index.xml" rel="self" type="application/rss+xml"/><item><title>推荐系统（十二）—— 大语言模型与推荐系统</title><link>https://www.chenk.top/zh/recommendation-systems/12-%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E4%B8%8E%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F/</link><pubDate>Sat, 03 Jan 2026 09:00:00 +0000</pubDate><guid>https://www.chenk.top/zh/recommendation-systems/12-%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E4%B8%8E%E6%8E%A8%E8%8D%90%E7%B3%BB%E7%BB%9F/</guid><description>&lt;p>用户打开电影 App，输入：“想看类似《盗梦空间》的，但别太压抑。”传统推荐系统——无论是协同过滤、双塔 DNN，还是 DIN——在这句话里都找不到任何可用信号。它没有点赞数据可统计，没有共看关系图可遍历，也没有绑定用户 ID 的历史行为。系统必须先把这句话转换成 ID，才能继续处理。&lt;/p></description></item><item><title>线性代数（十八）：前沿应用与总结——量子计算、GNN、大模型，与十八章回望</title><link>https://www.chenk.top/zh/linear-algebra/18-%E5%89%8D%E6%B2%BF%E5%BA%94%E7%94%A8%E4%B8%8E%E6%80%BB%E7%BB%93/</link><pubDate>Wed, 30 Apr 2025 09:00:00 +0000</pubDate><guid>https://www.chenk.top/zh/linear-algebra/18-%E5%89%8D%E6%B2%BF%E5%BA%94%E7%94%A8%E4%B8%8E%E6%80%BB%E7%BB%93/</guid><description>&lt;p>我们一同走过了线性代数的漫长旅程——从平面上的箭头出发，最终抵达量子计算机的逻辑门、大语言模型的核心机制，以及数据云的拓扑结构。贯穿始终、令人惊叹的一点是（也是本系列试图揭示的）：同样的几个核心思想不断重现。向量是状态，矩阵是变换，分解揭示了变换内部的结构，范数则告诉你何时可以信任计算结果。一旦你内化了这个循环，所有所谓的“前沿”领域便不再像陌生国度，而更像是你早已掌握的语言所衍生出的新方言。&lt;/p></description></item></channel></rss>