圖解大模型算法基礎卷：認知與表示（讓AI理解世界）

本書圍繞“AI如何理解世界”這一核心問題，系統講解人工智能算法的認知基礎與表示學習原理，構建了從數學理論到大模型預訓練的完整知識體系。 部分“數學與理論基礎”梳理概率論、線性代數、優化理論與信息論知識，深入解析熵、KL散度與損失函數的本質，構建AI學習與決策的數學框架；第二部分“表示學習與神經架構”聚焦嵌入與表示空間、狀態表示與序列表示演化、Transformer及大模型架構變體，揭示AI如何構建內部語義空間與世界模型；第三部分“大模型預訓練算法”解析語言建模、自監督學習、多模態模型與跨模態語義共享機制，深入講解GPT、BERT、DeepSeek等模型的架構與訓練流程，構建統一表示與多模態融合的技術體系。全書以“圖解+推導+實戰”為特色，強調理論邏輯與工程實踐的統一，既能幫助讀者夯實數學基礎，又能系統掌握表示學習與大模型預訓練的核心機制，適合人工智能領域的研究人員與工程開發人員學習進階。