机器学习笔记 06：评估、验证与模型选择 机器学习笔记 05：无监督学习与降维 机器学习笔记 04：树模型 机器学习笔记 03：有监督学习 机器学习笔记 02：损失函数、优化与正则化 机器学习笔记 01：机器学习的基本框架

深度学习笔记 05：注意力机制 深度学习笔记 04：CNN、RNN 与经典结构 深度学习笔记 03：深度网络训练与优化器 深度学习笔记 02：MLP、前向传播与反向传播 深度学习笔记 01：从特征工程到表示学习

后训练笔记 04：GRPO变体与DPO变体 后训练笔记 03：PPO、DPO 与 GRPO 后训练笔记 02：SFT 与 PEFT 后训练笔记 01：强化学习基础

现代大模型笔记 04：Reasoning Model，从 CoT 到 DeepSeek-R1 现代大模型笔记 03：LLM 推理与效率优化 现代大模型笔记 01：Transformer 架构与现代改进

关于这个博客

推荐系统笔记 01：推荐系统概述