目标
这个 collection 用来整理人工智能的事实性笔记：模型家族的发展史、催生它们的问题，以及让它们变得实用的设计取舍。目标是一份用于建立方向感的稳定参考，而不是观点文章或预测。
系列
- 从第一性原理讲强化学习：十六篇笔记，从”强化学习为什么是一个独特的学习问题”出发，经过马尔可夫阶梯与 Bellman 机制，直到策略梯度的完整推导。阅读路径见系列页；PPO 及之后的内容是计划中的下一批。
计划方向
- 表示学习与嵌入
- 序列建模与注意力
- 生成式模型
- 强化学习基础（已完成到策略梯度，PPO 及之后的内容仍在计划中）
状态
上面这一整套强化学习笔记，是这里第一套完成的双语笔记。之后新增页面应当中英文一起添加。