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？

用可操作的小例子拆开 Q、K、V、自注意力、多头、因果掩码、残差与前馈网络。

模型如何知道词序，又如何让信息穿过上百层？

从分词、位置编码、归一化与激活函数，走到深层网络的信息流和 Attention Residuals。

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？

解释 AdamW、μP、Muon、BF16/FP8/MXFP4 与量化感知训练的数值直觉。

会续写的 base model，怎样变成愿意协作的助手？

从 instruction tuning、SFT、RLHF/PPO 到 DPO 与 RLAIF，区分能力学习和行为塑形。

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？

讨论工具协议、行动—观察循环、环境奖励、沙箱、可验证任务与百万 Token 轨迹。

图像是外接插件，还是和文字一样的第一类输入？

从 ViT/CLIP、连接器式 VLM 走到 Kimi-VL、MoonViT-V2 与统一主干。

模型训练完以后，怎样让千万人用得起？

拆解 KV Cache、PagedAttention、批处理、推测解码、PD 解耦、前缀缓存与集群调度。

一个榜单分数，究竟测到了模型、脚手架还是预算？

从语言建模指标走到知识、代码、Agent 和多模态评测，识别污染、harness 与选择性报告。