深度学习基础
深度学习：维度灾难（Curse Of Dimensionality）
机器学习
机器学习：概率视角的线性回归（Linear Regression）
机器学习：随机梯度下降（SGD）与梯度下降（GD）的区别与代码实现。
深度学习：手写反向传播算法（BackPropagation）与代码实现
计算机视觉
深度学习：NiN（Network In Network）详细讲解与代码实现
深度学习: Batch Normalization论文详细解读
目标检测：RCNN、SppNet、Fast RCNN、Faster RCNN是如何过渡的？
目标检测：特征金字塔网络（Feature Pyramid Network）
自动驾驶
BEV感知：BEV开山之作LSS（lift,splat,shoot）原理代码串讲
多模态
CLIP
多模态速读：ViLT、ALBEF、VLMO、BLIP
LLM
深度学习：Self-Attention与Multi-heads Attention详解
ChatGLM基座：GLM（General Language Model）论文阅读笔记
DeepNet :Scaling Transformers to 1000 Layer
Roformer：Enhanced Transformer with rotary position embedding
Lora：Low-Rank Adapation of Large Language models
LLaMA：Open and Efficient Foundation Language Models
Self-Instruct：Aligning Language Model with Self Generated Instructions
Prefix-Tuning: Optimizing Continuous Prompts for Generation
P-Tuning : GPT Understands,Too 论文笔记
P-Tuning v2: Prompt Tuning Can Be Comparable to Fine-tuning Universally Across Scales and Tasks
InstructGPT：Training language models to follow instrcutions with human feedback
huggingface TRL是如何实现20B-LLM+Lora+RLHF
LLaMA-Adapter: Efficient Fine-tuning of Language Models with Zero-into Attention论文解读
Prefix-tuning、Adapter、LLaMA-Adapter的流程图与伪代码实现
技术报告：Efficient and Effective Text Encoding for Chinese LLaMA AND Alpaca
Huggingface的GenerationConfig 中的top_k与top_p详细解读
基于人类反馈的强化学习(RLHF)在LLM领域是如何运作的？
WizardKM:Empowering Large Language Models to Follow Complex Instructions
Distilling Step-by-Step: 可以用更少的训练数据与模型尺寸战胜同级别的LLM！
加速训练
Zero系列三部曲：Zero、Zero-Offload、Zero-Infinity
大数据
大数据基础：HDFS（分布式文件系统）前置知识，吞吐量，数据块，并发
DEBUG
Pytorch：关于nn.dataParallel我所踩过的坑
Python 程序设计
Python：Math.inf是什么意思？
文章评论