先知道自己在哪里，
再决定往哪里深入

面对几百个术语，我们究竟先学什么？

建立问题链、依赖关系、论文阅读方法和证据等级；把 K3 放回完整技术地图。

预测下一个 Token，为什么能产生通用能力？

从 N-gram、神经概率语言模型、词向量一路走到 Seq2Seq，理解 Transformer 出现前的瓶颈。

一句话里的每个词，怎样直接找到真正相关的词？

用十张问题账与四联实验拆开 Q/K/V、Mask、多头、位置、深度、架构目标、KV/IO，并映射 DeepSeek 与 K3。

模型如何知道词序，又如何让信息穿过上百层？

用二十张账与四联实验，从 Token/embedding、RoPE/NoPE、Norm 拓扑一路走到 DeepSeek mHC、K3 AttnRes 与 SiTU-GLU。

多大模型、多少数据、多少计算才是划算的？

用九张账区分参数、数据、计算、配方、外推与部署经济；理解 Kaplan、Chinchilla、DeepSeek 与 K3。

更多网页为什么不等于更好的模型？

用十二张账追踪采集、解析、过滤、去重、混合、改写、Tokenizer、Packing、课程与污染，并串起 DeepSeek / Kimi 数据谱系。

怎样让模型装下更多知识，却不让每个 Token 都付全部算力？

从条件计算到 DeepSeekMoE、LatentMoE 与 K3 Stable LatentMoE，解释路由、特化和负载均衡。

从 8K 到 1M Token，真正昂贵的是什么？

比较稀疏/线性注意力、FlashAttention、MLA、状态空间模型、Delta Rule、KDA 与混合注意力。

一个 2.8T 模型如何摊到成千上万张卡上？

用九张资源账串起 ZeRO、Megatron、Expert/Context Parallel、DeepSeek DualPipe 与 K3 MoonEP/百万 Token RL。

为什么少几个比特能省巨资，也可能让训练瞬间崩掉？

用十张数值账解释 AdamW、μP、Muon、BF16/FP8/MXFP4、QAT 与训练失稳反馈环。

会续写的 base model，怎样变成愿意协作的助手？

用十二张账拆开 instruction tuning、SFT、偏好数据、奖励模型、RLHF/PPO、RLAIF、DPO 与 RLVR，并追到 DeepSeek 和 K3。

模型如何学会多想一会儿，并检查自己的答案？

从 CoT、搜索与验证器，到 GRPO、DeepSeek-R1、Kimi k1.5 和 multi-effort RL。

生成一段文字，怎样变成持续数小时的可靠行动？

用十四张账拆开模型、harness、工具、环境、验证、可靠性与安全，沿 ReAct、Agent RL、DeepSeek 与 K3 走到百万 Token 轨迹。

图像是外接插件，还是和文字一样的第一类输入？

用十六张账串起视觉 Token、CLIP、连接器、高分辨率、OCR、视频、统一理解生成，并重点拆解 DeepSeek 三分支与 Kimi 三代 MoonViT。

模型训练完以后，怎样让千万人用得起？

用十八本账拆开显存、KV Cache、PagedAttention、连续批处理、P/D 解耦、量化、推测解码与集群调度，并重点追踪 DeepSeek V2→V4 与 Mooncake→K3。

一个榜单分数，究竟测到了模型、脚手架还是预算？

用二十二张测量账拆开任务、指标、Prompt、采样、Harness、裁判、污染、成本与威胁模型，并逐项复原 DeepSeek 与 K3 的评测协议。