Learning as Approximation：把学习看成受控近似
一篇把 gradient descent、temporal difference learning、stochastic approximation 和 Bellman fixed-point methods 放到同一个 correction pattern 下理解的学习笔记。
AIReinforcement LearningOptimizationStochastic Approximation
Xingyu (Eric) Yang
杨星宇 · 莫纳什大学 · 计算机
我希望长期把 AI 当作研究方向来做。现在最吸引我的是表征学习、可解释性、 语言，以及学习系统背后的数学结构。我也会围绕阅读、笔记和实验搭一些工具， 因为当想法变得可检查、可连接时，我通常理解得更清楚。
Connect
Research Interests
01跨模态表示学习视觉、语言、声音与几何如何共享结构
02可解释性与可读机制模型行为如何变得可读
03本体系统与世界模型实体、关系与抽象如何被组织
04数学与语言学基础形式系统、证明、语义与学习理论如何相互连接
Recent Writing
近期内容
我的个人 AI 工作台：Codex、Hermes、Obsidian 和 CC Switch 怎么分工
一篇偏系统设计的个人记录：我的 AI 工作台里，Codex、Hermes、Obsidian、CC Switch 分别拥有哪些状态，cron 怎么维护它们，以及 Karpathy-style Obsidian second brain 在这里怎么落地。
AI WorkflowMulti-Agent SystemPersonal Knowledge ManagementObsidian
从噪声到图像：Diffusion Model 的发展简史
一篇面向学习路线的综述：Diffusion Model 如何从概率去噪思路，发展成实用的视觉生成系统。
AIDiffusion ModelComputer VisionGenerative AI
人工智能
人工智能笔记入口，整理学习地图与领域发展史：关键模型家族是怎么来的，以及它们的设计为什么是现在这个样子。
从词到注意力：我是如何理解 Transformer 的
一篇从词表示走到 attention、self-attention 与 Transformer 的学习复盘。
AITransformerAttentionNLP