整本书脉络地图 · AI 全栈工程师 25 章
一句话定位: 25 章从"数学"到"前沿"再到"对齐·评估·Agent·优化·面试"一气贯通, 形成 AI 全栈工程师 6-9 个月速成手册。
使用建议: 第一次读完整本书前, 通读本文 30 分钟; 之后每次进入新一章前, 回看对应章节的"承前→启后"即可。
阅读路径: 全文 8000 字 / 阅读 25 分钟 / 含 12 张 Mermaid 图
版本: v1.0 (2026-07-31) — 扩到 25 章 (新增 Ch21 对齐/Ch22 Eval/Ch23 Agent/Ch24 数值优化/Ch25 面试)
第 0 章 · 整本书地图 (入口)
0.1 书的骨架
[基础层] Ch01-05 数学 (线性代数 / 矩阵 / 概率 / 统计 / 贝叶斯)
[核心层] Ch06 经典 ML + RL
[模型层] Ch07-08 NLP (Transformer) + CV (CNN/Diffusion)
[感知层] Ch09-10 语音 + 多模态
[行动层] Ch11 自主系统 / VLA / 机器人
[专题层] Ch12 图神经网络 / 3D GNN
[系统层] Ch13-16 架构 / OS / 算法 / SIMD / GPU
[工程层] Ch17-18 AI 推理 / ML 系统
[应用层] Ch19 金融 / 蛋白 / 药物 / Agent / 医疗
[前沿层] Ch20 量子 ML / 神经形态 / 太空 / 去中心化 / BMI
0.2 知识流的 5 大主线
主线 1 · 数学 → ML
Ch01 → Ch02 → Ch03 → Ch04 → Ch05 → Ch06
主线 2 · NLP → 通用智能
Ch07 §01-05 (文本预处理 → 词嵌入 → RNN → Transformer → LLM)
+
Ch07 §06 (2024-2026 前沿: Test-Time Compute / o1 / Mamba-2 / DiT)
主线 3 · 视觉 → 多模态 → 行动
Ch08 (CNN → Diffusion → 视频)
Ch09 (语音) + Ch10 (多模态) → Ch11 (VLA, 机器人 + 视觉语言动作)
主线 4 · 硬件栈 → 推理系统
Ch13 (OS/架构) → Ch14 (算法) → Ch15 (工程) → Ch16 (SIMD/GPU)
→ Ch17 (推理: 量化 + 高效架构 + 服务) → Ch18 (ML 平台)
主线 5 · 应用 → 前沿
Ch19 (金融/蛋白/药物/Agent/医疗)
→ Ch20 (量子/神经形态/太空/去中心化/BMI)
0.3 三个学习出口
| 目标 |
路径 |
章节 |
| 算法研究员 |
深度学习 + 多模态 + 前沿 |
Ch01→Ch08→Ch11→Ch12→Ch18→Ch20 |
| 应用工程师 |
LLM + 推理 + 部署 |
Ch07→Ch15→Ch16→Ch17→Ch19 |
| 全栈 AI 工程师 |
全部 |
Ch01→Ch20 (6 个月) |
第 1 章 · 基础层 (Ch01-05) — 数学的 5 把钥匙
1.1 章节定位
数学是 AI 工程师的"母语"。5 章覆盖:线性代数 → 矩阵论 → 概率 → 统计 → 贝叶斯。
1.2 章节主线
Ch01 线性代数
↓ 升维
Ch02 矩阵论 (SVD, 特征分解)
↓ 不确定性
Ch03 概率与梯度 (随机变量, 优化)
↓ 推断
Ch04 统计 (估计, 检验)
↓ 决策
Ch05 贝叶斯与信息论 (先验, 后验, 熵)
1.3 关键概念地图
| 章节 |
核心公式 |
应用场景 |
| Ch01 |
\(\mathbf{Ax} = \lambda \mathbf{x}\) |
PCA, 词嵌入, 推荐 |
| Ch02 |
\(\mathbf{A} = \mathbf{U\Sigma V}^T\) |
Transformer 注意力, 推荐 |
| Ch03 |
\(P(A\|B) = \frac{P(B\|A)P(A)}{P(B)}\) |
医学诊断, 贝叶斯 |
| Ch04 |
\(\hat{\theta} = \arg\max_\theta \log P(D\|\theta)\) |
MLE, MAP |
| Ch05 |
\(H(X) = -\sum p \log p\) |
交叉熵, KL |
1.4 学习路径
- 入门: 上课 + Gilbert Strang 线性代数
- 进阶: Bishop PRML Ch1-5
- 应用: PyTorch
torch.linalg 实操
第 2 章 · 核心层 (Ch06) — 经典 ML + RL
2.1 章节定位
Ch06 是"数学→ML"的桥梁。5 大子领域: 经典 ML、梯度 ML、深度学习、函数式 (autograd)、强化学习。
2.2 章节主线
Ch06 §01 经典 ML (线性回归, SVM, 决策树, XGBoost)
↓ 梯度
Ch06 §02 梯度 ML (梯度下降, Adam)
↓ 神经网络
Ch06 §03 深度学习 (CNN, RNN, ResNet)
↓ autograd
Ch06 §04 函数式 (PyTorch, 自动微分)
↓ RL
Ch06 §05 强化学习 (MDP, PPO, RLHF, GRPO)
2.3 关键概念地图
| 章节 |
核心算法 |
进阶 |
| §01 |
线性回归, XGBoost |
集成学习 |
| §02 |
SGD, Adam |
LAMB, Lion |
| §03 |
CNN, ResNet |
Vision Transformer |
| §04 |
autograd, vmap |
JAX |
| §05 |
PPO, A3C |
GRPO, RLAIF |
2.4 跨章节衔接
- 承接 Ch01-05: 数学 → 算法实现
- 启后 Ch07-19: 经典 ML → 深度学习 → LLM → 应用
第 3 章 · 模型层 (Ch07-08) — NLP + CV
3.1 章节定位
Ch07 (NLP) 和 Ch08 (CV) 是当代 AI 两大支柱。Ch07 统治语言, Ch08 统治图像/视频; Ch07-Ch08 共有 Transformer 骨干。
3.2 Ch07 NLP 章节主线
Ch07 §01 文本预处理 (tokenization, BPE)
↓ 词嵌入
Ch07 §02 词嵌入 (Word2Vec, GloVe, ELMo)
↓ 序列模型
Ch07 §03 RNN/LSTM
↓ 注意力革命
Ch07 §04 Transformer 与注意力 (QKV, 多头, RoPE)
↓ 预训练规模化
Ch07 §05 预训练大模型 (GPT, BERT, RLHF, DPO, GRPO)
↓ 前沿
Ch07 §06 2024-2026 前沿专题 (Test-Time Compute / o1 / DeepSeek-V3 / Mamba-2 / DiT / PagedAttention)
3.3 Ch08 CV 章节主线
Ch08 §01 CNN (卷积, 池化)
↓ 现代架构
Ch08 §02 现代架构 (ResNet, EfficientNet, ViT)
↓ 目标检测
Ch08 §03 检测 / 分割 (YOLO, DETR, Mask R-CNN)
↓ 生成革命
Ch08 §04 Diffusion (DDPM, Score, Latent)
↓ 视频生成
Ch08 §05 视频 / 3D (NeRF, 4D)
↓ 前沿
Ch08 §06 2024-2026 多模态生成前沿 (DiT, Sora, FLUX, Sana, 多模态 LMM)
3.4 关键概念地图
| 章节 |
核心 |
论文 |
| Ch07 §04 |
Attention \(QK^T/\sqrt{d_k}\) |
Vaswani 2017 |
| Ch07 §05 |
GPT, BERT, RLHF |
Brown 2020, Ouyang 2022 |
| Ch08 §01 |
CNN conv |
LeCun 1998 |
| Ch08 §04 |
DDPM, Score |
Ho 2020, Song 2021 |
| Ch08 §06 |
DiT, Sora |
Peebles 2023, OpenAI 2024 |
3.5 跨章节衔接
- Ch07 §04 ↔ Ch08 §02: Transformer 通用 (ViT 把 patch 当 token)
- Ch07 §05 ↔ Ch08 §06: LLM 跨模态 (GPT-4o)
- Ch07 §06 ↔ Ch17 §02: 推理侧深化
第 4 章 · 感知层 (Ch09-10) — 语音 + 多模态
4.1 章节定位
Ch09 语音、Ch10 多模态代表 AI 感知能力的拓展。从单一文本/图像, 拓展到语音、视频、跨模态。
4.2 章节主线
Ch09 语音
§01 语音基础 (STFT, 梅尔谱)
§02 声学模型 (HMM, GMM-HMM)
§03 端到端 ASR (Whisper, wav2vec)
§04 说话人识别 (x-vector, ECAPA)
§05 TTS (Tacotron 2, FastSpeech 2, VITS)
§06 2024-2026 语音前沿 (VALL-E 2, GPT-4o Voice, Suno v4)
Ch10 多模态
§01-05 多模态对齐 (CLIP, BLIP, LLaVA, LMM)
4.3 关键概念地图
| 章节 |
核心 |
论文 |
| Ch09 §03 |
Whisper, USM |
OpenAI 2022, Google 2023 |
| Ch09 §05 |
Tacotron 2, FastSpeech 2 |
Google 2017, 2020 |
| Ch09 §06 |
VALL-E 2, Suno v4 |
Microsoft 2024, Suno 2024 |
| Ch10 §05 |
CLIP, BLIP |
OpenAI 2021, Salesforce 2022 |
4.4 跨章节衔接
- Ch09 ↔ Ch10: 语音 + 视觉 = 多模态
- Ch09 §06 ↔ Ch07 §06: GPT-4o Voice = 多模态 LLM
- Ch10 ↔ Ch11: 多模态 → 行动 (VLA)
第 5 章 · 行动层 (Ch11) — 自主系统 / VLA
5.1 章节定位
Ch11 把 AI 从"感知"推向"行动"。VLA (Vision-Language-Action) 模型让 LLM 走出屏幕, 操控机器人。
5.2 章节主线
Ch11 §01 感知 (SLAM, 配准)
↓ 决策
Ch11 §02 机器人学习 (模仿, RL)
↓ VLA
Ch11 §03 VLA 模型 (RT-2, π0, OpenVLA)
↓ 自动驾驶
Ch11 §04 自动驾驶 (Waymo, Tesla, Apollo)
↓ 极端
Ch11 §05 太空与极端机器人 (Mars, 月球, 人形)
5.3 关键概念地图
| 章节 |
核心 |
代表 |
| §01 |
SLAM, ORB-SLAM |
Mur-Artal 2017 |
| §02 |
模仿学习, PPO |
Argall 2009 |
| §03 |
VLA, Token 化动作 |
RT-2 (Google 2023) |
| §04 |
BEV, 端到端 |
Tesla 2024 |
| §05 |
Ingenuity, 人形 |
NASA 2021 |
5.4 跨章节衔接
- Ch11 §03 ↔ Ch07 §05: VLA = LLM + 动作 token
- Ch11 §03 ↔ Ch10 §05: VLA = 多模态 + 行动
- Ch11 §02 ↔ Ch06 §05: 机器人 RL = RLHF/GRPO
第 6 章 · 专题层 (Ch12) — 图神经网络
6.1 章节定位
Ch12 把"非欧几何"几何化: GNN + 3D GNN。AlphaFold 3 + 药物发现是 3D GNN 落地。
6.2 章节主线
Ch12 §01 几何深度学习 (对称性, 群论)
↓ 图论
Ch12 §02 图论 (节点, 边, 路径)
↓ GNN 基础
Ch12 §03 GNN (GCN, SAGE, GIN)
↓ 注意力
Ch12 §04 GAT / Graphormer
↓ 3D
Ch12 §05 3D GNN (SchNet, DimeNet, EGNN, Equiformer)
↓ 前沿
Ch12 §06 2024-2026 3D GNN 前沿 (AlphaFold 3, RoseTTAFold AA, MACE, Allegro)
6.3 关键概念地图
| 章节 |
核心 |
论文 |
| §03 |
GCN, SAGE |
Kipf 2017, Hamilton 2017 |
| §04 |
GAT, Graphormer |
Veličković 2018, Ying 2021 |
| §05 |
EGNN, Equiformer |
Satorras 2021, Liao 2022 |
| §06 |
AlphaFold 3, MACE |
Abramson 2024, Batatia 2023 |
6.4 跨章节衔接
- Ch12 §05 ↔ Ch19 §02: AlphaFold 系列
- Ch12 §06 ↔ Ch19 §03: 药物发现
- Ch12 §03 ↔ Ch19 §01: 反欺诈图
第 7 章 · 系统层 (Ch13-16) — 硬件栈
7.1 章节定位
Ch13-16 是AI 工程师的内功。从架构 → OS → 算法 → 工程 → SIMD/GPU, 决定 AI 跑得多快。
7.2 章节主线
Ch13 系统与 OS
§01 离散数学
§02 计算机架构 (CPU, GPU, TPU, NPU)
§03 OS (进程, 线程, 内存)
§04 并发并行 (Lock, Actor, Future)
§05 编程语言 (C++, Rust, Python)
Ch14 数据结构与算法
§01-06 树 / 图 / 哈希 / 排序 / 动态规划
Ch15 软件工程
§01 Linux 基础
§02 Git
§03 代码设计
§04 测试
§05 DevOps (Docker, K8s)
Ch16 SIMD / GPU
§00 SIMD/GPU 编程总览 (SIMD/SIMT/CUDA/Triton/TPU/RISC-V/Vulkan)
§01-09 2024-2026 硬件前沿 (H100/B200/GB200/WGMMA/Triton 3/国产芯片)
7.3 关键概念地图
| 章节 |
核心 |
论文 |
| Ch13 §02 |
CPU/GPU/TPU 架构 |
Hennessy 2017 |
| Ch14 §01 |
LCS, 区间 DP |
CLRS |
| Ch15 §05 |
Docker, K8s |
OCI 2015, CNCF 2015 |
| Ch16 §00 |
SIMD, CUDA, Triton |
NVIDIA 2007 |
7.4 跨章节衔接
- Ch13-15 ↔ Ch17: 系统知识 → 推理服务
- Ch16 ↔ Ch17 §02: GPU 加速 → LLM 推理
- Ch16 ↔ Ch08 §04: GPU CUDA → Diffusion 训练
第 8 章 · 工程层 (Ch17-18) — 推理 + 系统
8.1 章节定位
Ch17 教"如何把模型部署到生产", Ch18 教"生产级 ML 系统如何设计"。
8.2 章节主线
Ch17 AI 推理
§00 AI 推理总览 (量化 + 架构 + 服务 + 边缘 + 大规模)
§01 2024-2026 推理前沿 (BitNet b1.58, FA3, Mamba-2, DeepSeek-V3)
§02 2024-2026 高效架构前沿 (Flash Attention 3, Mamba-2 SSD, DeepSeek-V3 MoE+FP8)
§03-05 推理服务 (vLLM, SGLang, Speculative Decoding, 边缘)
Ch18 ML 系统设计
§01-04 生产 ML (Feature Store, 监控, 成本, A/B)
8.3 关键概念地图
| 章节 |
核心 |
论文 |
| Ch17 §00 |
PagedAttention, Flash Attention |
Kwon 2023, Dao 2022 |
| Ch17 §02 |
Mamba-2, DeepSeek-V3 |
Dao 2024, DeepSeek 2025 |
| Ch18 §04 |
Feature Store, 监控 |
Google 2017 |
8.4 跨章节衔接
- Ch17 ↔ Ch07-08: 推理 LLM / Diffusion
- Ch17 ↔ Ch16: 硬件加速 → 推理
- Ch18 ↔ Ch19: 系统 → 应用
第 9 章 · 应用层 (Ch19) — 5 大行业
9.1 章节定位
Ch19 把 AI 落地到5 大行业: 金融 + 生命科学 + 药物 + Agent + 医疗。
9.2 章节主线
Ch19 §01 金融 (量化, 风控, 反欺诈)
§02 蛋白设计 (AlphaFold 2/3, RFdiffusion)
§03 药物发现 (DiffDock, 分子生成)
§04 Agent (ReAct, RAG, Tool, Computer Use)
§05 医疗 (影像, 临床, 联邦学习)
9.3 关键概念地图
| 章节 |
核心 |
论文 |
| §01 |
Qlib, Sharpe |
Microsoft 2020 |
| §02 |
AlphaFold 2/3 |
Jumper 2021, Abramson 2024 |
| §03 |
DiffDock, RFDiff |
Corso 2022, Watson 2023 |
| §04 |
ReAct, MCP |
Yao 2022, Anthropic 2024 |
| §05 |
USMLE 90% |
Nori 2024 |
9.4 跨章节衔接
- Ch19 §02-03 ↔ Ch12 §05-06: 蛋白 → 3D GNN
- Ch19 §04 ↔ Ch07 §05: Agent = LLM + Tool
- Ch19 §05 ↔ Ch18 §01: 医疗 AI = ML 系统
第 10 章 · 前沿层 (Ch20) — 5 大前沿
10.1 章节定位
Ch20 探索 AI 的未来边界: 量子 ML / 神经形态 / 太空 / 去中心化 / BMI。
10.2 章节主线
Ch20 §01 量子 ML (VQE, QAOA)
§02 神经形态 (Loihi, SpiNNaker)
§03 太空数据中心 (Starlink, LEO)
§04 去中心化 AI (BitNet, 联邦)
§05 脑机接口 (Neuralink, BMI)
10.3 关键概念地图
| 章节 |
核心 |
论文 |
| §01 |
VQE, QAOA |
Biamonte 2017 |
| §02 |
Loihi 2 |
Intel 2021 |
| §03 |
Starlink, LEO 卫星 |
SpaceX 2024 |
| §04 |
BitNet, 联邦 |
Ma 2024 |
| §05 |
Neuralink |
Musk 2024 |
第 11 章 · 跨章节索引
11.1 共享概念 (跨 5+ 章)
| 概念 |
出现章节 |
| Transformer |
Ch07 §04 / Ch08 §02 / Ch11 §03 / Ch12 §04 / Ch17 §02 / Ch19 §04 |
| Diffusion |
Ch08 §04-06 / Ch12 §05 / Ch19 §02 (AlphaFold 3) |
| RL / PPO |
Ch06 §05 / Ch07 §05 / Ch11 §02 / Ch11 §03 / Ch19 §04 |
| MoE |
Ch07 §05 / Ch17 §02 / Ch17 §00 |
| 量化 |
Ch16 §00 / Ch17 §00 / Ch17 §02 |
| 自监督 |
Ch07 §05 / Ch08 §02 / Ch11 §03 |
| 评测基准 |
Ch07 §05 / Ch19 §05 |
11.2 共享论文 (跨 3+ 章)
| 论文 |
章节 |
| Vaswani 2017 Attention |
Ch07 §04 / Ch08 §02 / Ch11 §03 / Ch12 §04 |
| AlphaFold 2/3 |
Ch12 §05-06 / Ch19 §02 |
| PPO |
Ch06 §05 / Ch07 §05 / Ch11 §02 |
| DPO |
Ch07 §05 / Ch07 §06 / Ch19 §04 |
| GRPO |
Ch06 §05 / Ch07 §05 / Ch07 §06 |
| Flash Attention |
Ch16 §00 / Ch17 §00 / Ch17 §02 |
| VALL-E / Voice |
Ch09 §05-06 / Ch10 §05 |
| Mamba-2 |
Ch07 §06 / Ch17 §02 |
11.3 共享代码模块 (跨章复用)
| 模块 |
章节 |
| PyTorch 模型 |
Ch06 §03-04 / Ch07-08 / Ch11-12 |
| Transformers 库 |
Ch07-08 / Ch11 §03 / Ch17 §00 |
| PyTorch Geometric |
Ch12 §03-06 |
| BitsAndBytes |
Ch17 §00 |
| vLLM |
Ch17 §00 / Ch17 §02 / Ch19 §04 |
| LangChain |
Ch19 §04 |
11.4 共享数据集 (跨章复用)
| 数据集 |
章节 |
| ImageNet |
Ch08 §01-02 / Ch19 §05 |
| GLUE |
Ch07 §05 |
| COCO |
Ch08 §03 / Ch10 §05 |
| LibriSpeech |
Ch09 §03-04 |
| PDB |
Ch12 §05-06 / Ch19 §02 |
| MIMIC-III |
Ch19 §05 |
第 12 章 · 5 大主题地图
12.1 主题 1 · 注意力机制 (核心)
Ch07 §04 Transformer (mmHA, RoPE, ALiBi)
↓ 应用
Ch12 §04 Graphormer (Graph + Attention)
↓ 高效
Ch16 §00 / Ch17 §02 Flash Attention (IO 优化)
↓ 前沿
Ch07 §06 / Ch17 §00 Native Sparse Attention 2025
12.2 主题 2 · 预训练 + 规模化
Ch07 §05 GPT/BERT (1B → 175B)
↓ Scaling Law
Ch07 §06 DeepSeek-V3 (671B MoE)
↓ 工程
Ch17 §02 FP8 + MLA
12.3 主题 3 · RL + 对齐
Ch06 §05 PPO (2017)
↓ LLM
Ch07 §05 RLHF (InstructGPT, 2022)
↓ 简化
Ch07 §05 DPO (2023) / GRPO (2024) / RLAIF (2024)
↓ 推理
Ch07 §06 Test-Time Compute / o1 (2024)
12.4 主题 4 · 生成式 AI
Ch08 §04 Diffusion (DDPM, Score)
↓ Transformer
Ch08 §06 DiT (2023)
↓ 视频
Ch08 §06 / Ch07 §06 Sora (2024)
↓ 实时
Ch09 §06 GPT-4o Voice (2024)
12.5 主题 5 · RLHF / Agent / 决策
Ch06 §05 PPO (RL 算法)
↓ LLM 对齐
Ch07 §05 RLHF
↓ Agent
Ch19 §04 ReAct / RAG / Tool / Computer Use
↓ 机器人
Ch11 §03 RT-2 / π0 / OpenVLA
第 13 章 · 学习路径图
13.1 入门路径 (3 个月)
Week 1-4: Ch01-05 (数学)
↓
Week 5-6: Ch06 (ML + RL)
↓
Week 7-8: Ch07 (NLP)
↓
Week 9-10: Ch08 (CV)
↓
Week 11-12: Ch09-10 (语音 / 多模态)
13.2 进阶路径 (6 个月)
入门 + 6-12 周:
Week 13-14: Ch11 (自主系统)
↓
Week 15-16: Ch12 (GNN)
↓
Week 17-18: Ch13-15 (系统 / 算法 / 工程)
↓
Week 19-20: Ch16 (GPU)
↓
Week 21-22: Ch17 (推理)
↓
Week 23-24: Ch19 (应用)
13.3 前沿路径 (9-12 个月)
进阶 + 4-8 周:
- Ch18 (ML 系统)
- Ch20 (前沿)
- Ch07 §06 / Ch08 §06 / Ch09 §06 / Ch12 §06 / Ch17 §02 (5 份前沿专题)
13.4 角色导向速成
| 角色 |
时长 |
跳读章节 |
| 算法研究员 |
6 个月 |
Ch01-08 必读, Ch11-12 选, Ch13-20 略 |
| LLM 工程师 |
4 个月 |
Ch07 必读, Ch17 §00/02 必读, Ch15-16 必读 |
| CV 工程师 |
4 个月 |
Ch08 必读, Ch14 (算法) 必读, Ch16 必读 |
| AI 应用 / Agent |
5 个月 |
Ch07 §04-06, Ch11 §03, Ch19 §04, Ch17 §00 |
| 机器人 / VLA |
6 个月 |
Ch11 全, Ch07 §05, Ch06 §05, Ch12 §05 |
| AI 推理 / 部署 |
4 个月 |
Ch16-17, Ch13 §02, Ch15 §05 |
| 生命科学 AI |
5 个月 |
Ch12 §05-06, Ch19 §02-03, Ch08 §04-06 |
| AI 量化 / 金融 |
4 个月 |
Ch07 §05, Ch19 §01, Ch06 §05 |
| AI 系统 / 平台 |
5 个月 |
Ch13-18 全, Ch15 §05, Ch18 §01 |
第 14 章 · 教学材料配套 (7 类)
14.1 每章 7 类材料
| 材料 |
作用 |
章节使用 |
| 信息图 |
1 张图看懂章节 |
总览 |
| 复习大纲 |
章节脉络 + 公式表 |
复习 |
| 单页 proposal |
1 页演讲稿 |
演讲 |
| 思维导图 |
Mermaid 概念树 |
速查 |
| 闪卡 |
关键概念卡片 |
背诵 |
| 阶段测试题 |
选择 + 简答 + 编程 |
检验 |
| 讲解稿 |
18-30 分钟详细讲解 |
深度学习 |
14.2 总览类 (单文件)
zh/教辅/全局概览.md — 20 章完整摘要 (3000+ 字)zh/教辅/整本书脉络地图.md (本文) — 知识骨架 + 学习路径
14.3 前沿专题 (额外)
每章添加 2024-2026 前沿专题 (5 段, 11-13 节结构):
- Ch07 §06: Test-Time Compute / o1 / DeepSeek-V3 / Mamba-2 / DiT / PagedAttention
- Ch08 §06: DiT / Sora / FLUX / Sana / 多模态 LMM
- Ch09 §06: VALL-E 2 / GPT-4o Voice / Suno v4 / MusicGen
- Ch12 §06: AlphaFold 3 / RoseTTAFold AA / Equiformer v2 / MACE
- Ch17 §02: FA3 / Mamba-2 SSD / DeepSeek-V3 MoE + FP8 / BitNet b1.58
第 15 章 · 跨学科桥梁
15.1 数学 ↔ 物理
| 主题 |
数学 |
物理 |
| 对称性 |
群论 (SE(3), E(3)) |
守恒律 |
| 微分 |
偏导, 梯度 |
Lagrangian |
| 概率 |
KL 散度 |
最大熵 |
| 优化 |
凸优化 |
能量最小 |
15.2 数学 ↔ 生物
| 主题 |
数学 |
生物 |
| 序列 |
RNN, Transformer |
DNA, 蛋白 |
| 进化 |
强化学习 |
自然选择 |
| 3D |
3D GNN |
蛋白结构 |
| 神经网络 |
反向传播 |
神经元 |
15.3 机器学习 ↔ 工业
| 主题 |
ML |
工业 |
| 部署 |
推理 |
生产环境 |
| 数据 |
数据集 |
ETL |
| 资源 |
GPU |
K8s |
| 监控 |
指标 |
Prometheus |
15.4 机器学习 ↔ 神经科学
| 主题 |
ML |
神经科学 |
| 学习 |
梯度下降 |
突触可塑性 |
| 注意力 |
Attention |
注意力机制 |
| 记忆 |
RNN |
海马体 |
| 强化 |
RL |
多巴胺 |
第 16 章 · 关键论文索引 (50+ 核心)
16.1 基础设施
- Vaswani, "Attention Is All You Need", NeurIPS 2017
- LeCun, "Gradient-Based Learning", 1998
- Krizhevsky, "AlexNet", NeurIPS 2012
- He, "ResNet", CVPR 2016
- Hochreiter, "LSTM", 1997
- Kingma, "Adam", ICLR 2015
- Srivastava, "Dropout", JMLR 2014
- Ioffe, "BatchNorm", ICML 2015
- Glorot, "Xavier Init", AISTATS 2010
- Paszke, "PyTorch", NeurIPS 2019
16.2 LLM
- Devlin, "BERT", NAACL 2019
- Brown, "GPT-3", NeurIPS 2020
- Ouyang, "InstructGPT", NeurIPS 2022
- Hu, "LoRA", ICLR 2022
- Su, "RoPE", 2021
- Rafailov, "DPO", NeurIPS 2023
- Touvron, "LLaMA", 2023
- Bai, "Qwen", 2023
- OpenAI, "o1", 2024
- DeepSeek-AI, "R1", Nature 2025
16.3 高效架构
- Dao, "Flash Attention", NeurIPS 2022
- Kwon, "PagedAttention", SOSP 2023
- Gu, "Mamba", 2023
- Dao, "Mamba-2", 2024
- Ma, "BitNet b1.58", 2024
- Frantar, "GPTQ", ICLR 2023
- Lin, "AWQ", MLSys 2024
16.4 视觉
- Dosovitskiy, "ViT", ICLR 2021
- Liu, "Swin", ICCV 2021
- He, "Mask R-CNN", ICCV 2017
- Ho, "DDPM", NeurIPS 2020
- Rombach, "LDM", CVPR 2022
- Peebles, "DiT", ICCV 2023
- OpenAI, "Sora", 2024
16.5 多模态 / 语音
- Radford, "CLIP", ICML 2021
- Radford, "Whisper", ICML 2023
- Liu, "LLaVA", NeurIPS 2023
- Hurst, "GPT-4o", 2024
- Chen, "VALL-E 2", 2024
16.6 GNN
- Kipf, "GCN", ICLR 2017
- Hamilton, "SAGE", NeurIPS 2017
- Veličković, "GAT", ICLR 2018
- Satorras, "EGNN", ICML 2021
- Jumper, "AlphaFold 2", Nature 2021
- Abramson, "AlphaFold 3", Nature 2024
- Batatia, "MACE", ICLR 2023
16.7 机器人 / 决策
- Mnih, "DQN", Nature 2015
- Silver, "AlphaGo Zero", Nature 2017
- Schulman, "PPO", 2017
- Brohan, "RT-2", 2023
- Black, "π0", 2024
16.8 应用
- Jumper, "AlphaFold 2", Nature 2021
- Abramson, "AlphaFold 3", Nature 2024
- Romera-Paredes, "FunSearch", Nature 2023
- Nori, "Medprompt", 2024
第 17 章 · 一句话总结
20 章 = 1 套 (数学 + 算法 + 模型 + 系统 + 应用 + 前沿) 的 AI 全栈地图。
一气贯通: 数学 (Ch01-05) → ML (Ch06) → 深度学习 (Ch07-08) → 多模态 (Ch09-10) → 行动 (Ch11) → 专题 (Ch12) → 系统 (Ch13-16) → 工程 (Ch17-18) → 应用 (Ch19) → 前沿 (Ch20)。
任何独立的章节都能独立读, 但章节之间的桥才是"全栈"二字的精华。
附录 · 教辅使用建议
A.1 学生角度
- 预读: 通读"全局概览" + "整本书脉络地图"
- 精读: 每章按 7 类材料 (信息图 → 大纲 → 思维导图 → 闪卡 → 阶段测试 → 讲解稿)
- 速查: 跨章节使用时, 看"跨章节索引" (第 11 章)
- 前沿: 5 份前沿专题 (Ch07/08/09/12/17 §06 + Ch17 §02)
B.2 讲师角度
- 教学前先看"全文脉络地图"
- 每章开场用"信息图"建立 landscape
- 主线用"讲解稿"串讲
- 自测用"阶段测试题"
- 前沿讲用"前沿专题"
C.3 研究员角度
- 关注"5 大主题地图" (注意力 / 预训练 / RL / 生成 / Agent)
- 关键论文 50+ 在第 16 章
- 跨章节复用代码在 11.3
- 跨章节数据集在 11.4
版本: v1.0 (2026-07-30)
维护: 与 P1-P6 修复同步
协同: 与 全局概览.md 互补 (概览 = 章节明细, 脉络 = 跨章节骨架)