Q-Former：少量查询怎样读取视觉特征？
多模态第六课，从逐条投影到查询式连接器
THOUGHTS · NOTES · LIFE
思成言
生活是一个过程
REA：让 AI Agent 学会逆向工程——四阶段理解 Reverse Engineer Anything
从提出问题，到收集证据，再到验证结论
看到一个软件里的搜索功能，我们通常只能观察它的输入和输出。若想知道它怎样组织索引、调用哪个模块、是否访问原生库，就要进入逆向工程的世界。REA（Reverse Engineer Anything）把这些调查能力接到 AI Agent 上，让自然语言问题能够转化为工具调用，再把工具结果带回分析过程。
继续阅读 →
实践项目 01：亲手做一个“下一个 Token”实验台
从字符 ID、Embedding、Logits 到采样；先把最小生成闭环跑通
目录实践项目 01从这里开始：起始代码先玩一遍：互动实验直接改代码：Notebook1、目标与边界2、准备语料3、实现四段链路4、动手做对照5、验收清单6、交付与复盘
继续阅读 →
SigLIP：逐对判断图文是否匹配
多模态第四课，从 softmax 竞争到 sigmoid 判断
Projector：视觉特征怎样接入 LLM？
多模态第五课，从维度映射到图文问答的输入接口
Vision Encoder：不同训练目标怎样塑造视觉表示？
多模态第二课，同样的图片，为什么会学出不同的特征