Alfred Adzika 发布逐层讲解 LLM 数学原理的幻灯片仓库
热点事件持续更新
Alfred Adzika 发布逐层讲解 LLM 数学原理的幻灯片仓库
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Ohio University 数学系的 Alfred Adzika 在 GitHub 发布 maps-behind-llms 仓库，内含 40 页 PDF 讲义、7 页可视化摘要和 LaTeX 源码，把 decoder-only 语言模型逐词预测下一 token 的过程写成完整数学映射链：嵌入向量、L 层 DL 模块（Attn.B + FFN.B）、LayerNorm、W_vocab 与 softmax，涵盖 causal mask、残差连接、交叉熵损失及其梯度。 目前第 1 部分（slides 1–18）已讲，第 2 部分（slides 19–40，从残差与 FFN 到损失与训练）即将发布。幻灯片与图表采用 CC BY 4.0 许可，注明出处即可复用。
AI 根据报道生成 · 2 小时前更新
最新进展10月29日 16:46
maps-behind-llms：用数学映射逐层拆解 decoder-only LLM 的完整讲义报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- GitHub · 去对齐工具与仓库maps-behind-llms：用数学映射逐层拆解 decoder-only LLM 的完整讲义
Alfred Adzika 在 Ohio University 数学系发布的 40 页讲义，把 decoder-only 语言模型逐词预测下一 token 的过程写成一条完整数学映射链：嵌入向量→ L 层 DL 模块（Attn.B + FFN.B）→ LayerNorm、W_vocab 与 softmax。内容涵盖 causal mask、残差连接、交叉熵损失 $L_i=-\log p_i(y_{i+1})$ 及其梯度，并附 LaTeX 源码与 7 页可视化摘要。目前第 1 部分（slides 1–18）已讲，第 2 部分即将发布。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。