矩见AI知识库
系统化覆盖大模型算法面试全链路，从 Transformer 基础到实战真题
由矩见 (CortexGrid) 精心构建，助力开发者攻克 LLM 算法岗位面试
13 大知识模块
点击快速进入对应模块Transformer基础
9篇自注意力、多头注意力、位置编码、LayerNorm、主流架构对比
预训练与训练
6篇预训练任务设计、损失函数、优化器、数据准备、增量预训练
微调与对齐
8篇全参数微调、LoRA/QLoRA、Prompt-Learning、RLHF、DPO、PPO
分布式训练
5篇DP/DDP、流水线并行、DeepSpeed/ZeRO、混合精度、故障处理
推理与部署
7篇KV Cache、量化技术、vLLM/PagedAttention、显存优化、硬件配置
RAG
6篇RAG架构、文本分块、向量检索、GraphRAG、评测优化、实战案例
Agent与工具
4篇Agent架构、LangChain、多轮对话记忆、Function Calling
模型专题
5篇LLaMA、GPT、百川、MoE混合专家、中文大模型适配
幻觉与评测
4篇幻觉成因、缓解策略、评测方法、数据泄露与测试集问题
传统ML与DL基础
4篇监督/无监督/强化学习、LR/SVM/树模型、深度学习基础
高级技巧
4篇Chain-of-Thought、Tree of Thoughts、小样本学习、模型蒸馏
NLP任务专题
4篇文本分类、NER、文本摘要、向量检索
实战面试
4篇大厂真题、校招经验、系统设计题、面试技巧
推荐学习路线
为什么选择这里
体系化知识
从 Transformer 到 RLHF，13 个模块完整覆盖大模型算法面试考点
全文精准搜索
支持标题、分类、内容全文检索，快速定位关键技术点
工程深度
覆盖 vLLM、DeepSpeed、量化部署等工程落地细节
面试导向
大厂真题、校招经验、系统设计题，全面备战
关于矩见 (CortexGrid)
核心使命
极致降低人工智能的学习门槛与应用摩擦力。将艰深的算法模型、系统架构与行业最佳实践，转化为每一位开发者触手可及的基础设施。在通用人工智能 (AGI) 浪潮席卷全球的今天，矩见不仅是文档聚合中心，更是连接底层逻辑与商业实践的桥梁。
生态愿景
打破技术壁垒，重塑人工智能的学习与应用边界。构建一个开放、共享、共建的纯粹技术生态，赋能每一位渴望在智能化时代创造非凡价值的探索者。
技术哲学
技术的终极意义在于普惠。矩阵 (Grid) 的力量，源于每一个智慧节点 (Cortex) 的互联与共生。在这个生态里，每一次分享都是一次智慧的交汇。