Transformer 原理入门：用直觉理解 Attention 在做什么
这篇文章不堆公式，先用直觉讲清楚 Query、Key、Value 和多头注意力的意义。
主题标签
Ai
这里聚合了该主题下的全部相关文章。
Transformer 训练与推理：为什么训练快、生成却慢
同样是 Transformer，训练和推理的计算模式差异很大。本文解释其背后的原因与工程影响。
AI 应用怎么选：RAG、微调还是两者结合
很多团队在 RAG 和微调之间反复摇摆。本文给出一个按场景决策的简单框架。
LLM 应用评测体系：没有评测，就没有稳定迭代
模型效果的讨论必须可量化。本文介绍一套适合业务团队的 LLM 评测与回归机制。
联邦学习架构实战：从中心训练到跨端协同的工程路线
联邦学习不只是算法问题，更是系统工程问题。本文讨论参与方管理、训练编排、聚合策略和上线治理。
联邦学习里的 Non-IID 难题：如何让模型更稳地收敛
数据异质性是联邦学习的核心难点。本文从算法和工程两侧讨论缓解 Non-IID 的实用策略。
多方安全计算（MPC）入门：协议怎么选，边界怎么看
MPC 常被当成黑盒能力。本文用工程视角说明 MPC 的价值、代价以及协议选择方法。
MPC 工程化落地：性能、可观测性与生产运维要点
隐私计算项目从 PoC 到生产，难点在工程细节。本文总结 MPC 上线中最容易被忽视的环节。