DOMAINS
知识域
八个互相依赖的领域，构成从数学基础到工程落地的完整链路。
共 48 个概念知识域 · 8
数学与统计基础
向量、矩阵、概率与导数 —— AI 的语言
6 个词条
这一域要回答的问题
- 为什么数据可以写成矩阵？
- 梯度究竟在指什么方向？
- softmax 为什么能当概率用？
机器学习
让程序从数据里总结规律，而不是被逐条写死
6 个词条
这一域要回答的问题
- 模型“记住了”和“学会了”差在哪？
- 训练集表现很好，为什么上线就崩？
- 没有标签的数据还能用来做什么？
深度学习
把特征工程交给多层网络自己完成
6 个词条
这一域要回答的问题
- 一个神经元到底在算什么？
- 反向传播凭什么能把误差传回去？
- 深层网络为什么反而更难训练？
自然语言处理与大模型
从分词到 Transformer，再到“会说话”的大模型
6 个词条
这一域要回答的问题
- 模型看到的“词”到底是什么？
- 注意力比循环强在哪里？
- 为什么“预测下一个词”能催生对话能力？
计算机视觉
让机器把像素读成物体、场景与三维结构
6 个词条
这一域要回答的问题
- 卷积核里学到的到底是什么？
- 分类、检测、分割差在哪里？
- 机器如何从二给图像恢复三维？
强化学习
在试错与延迟奖励中学会一连串决策
6 个词条
这一域要回答的问题
- “延迟奖励”为什么让问题变难？
- 价值函数和策略梯度有何分工？
- 强化学习为何能改进大模型？
生成式 AI
从判别“这是什么”到合成“这该长什么样”
6 个词条
这一域要回答的问题
- 生成模型到底在学什么分布？
- 扩散模型为什么比 GAN 稳？
- 如何把一句提示变成一张图？
AI 工程、安全与伦理
把一个能跑的模型，变成一件能用、可信、可问责的产品
6 个词条
这一域要回答的问题
- 大模型如何压缩到消费级硬件？
- 没有标准答案时怎么评估？
- 提示注入为什么难以根治？