从矩阵的几何作用、行列式、正交矩阵和特征方向出发，理解对称矩阵如何为矩形变换提供方向。

从特征冗余与矩阵的秩出发，理解正交投影、低维表示和重构误差，以及何时值得减少特征维度。

本文梳理 Transformer 的位置编码演进：为什么注意力需要位置信息，正弦编码、可学习编码、相对位置编码、ALiBi 与 RoPE 各自的设计取舍与长度外推。

从模型权重、KV cache、推理吞吐和训练通信量出发，比较单卡、多卡、改装卡与云租赁的适用条件。

读懂 GPU 规格表：显存容量决定能不能跑，带宽决定推理多快，算力决定训练和 prefill，互联决定多卡效率。附可在任意 N 卡上运行的实测代码。

从 GeForce 到 GB200 NVL72：NVIDIA 面向 AI 的完整产品线梳理，包括工作站卡、数据中心卡、出口特供版和那些不太常见的形态。

本文梳理大模型里的归一化技术：为什么需要它、BN 为何不适合序列模型，以及 LayerNorm、RMSNorm、Pre-Norm/Post-Norm 等方案的取舍。

本文将介绍 MoE 技术，解释其如何在扩大模型参数容量的同时控制计算成本，并逐渐成为现代 LLM 的核心技术。