深入讲解 LLM 训练中的 RLHF、PPO、DPO 三种核心方法的原理和伪代码实现，帮助理解大模型对齐技术。

对 LLM 推理中的提效技术进行学习，如 KV-Cache、Flash-Attention 的原理、实现及其如何避免注意力机制中的重复计算。

因果推断系列第二篇，基于因果推断综述论文，系统介绍因果推断的基本符号、关键假设和核心定义。

系统学习强化学习中的策略梯度与价值方法两大类参数更新算法，涵盖 PPO、Q-Learning 等核心方法的原理与公式推导。

因果推断入门系列第一篇，基于 Brady Neal 的课程，从辛普森悖论出发揭示相关性与因果性的本质区别。

对 LangChain 框架的核心组件（Prompts、Models、Indexes 等）进行学习记录与解读，加入个人理解与代码注释，方便快速上手。

从多个角度探讨 L1 和 L2 正则化的原理，解释其为何能有效防止模型过拟合，涵盖公式推导、几何解释和贝叶斯视角。

探讨 SGD 与 Adam 优化器下 Weight Decay 和 L2 正则化的等价性差异，引入 AdamW 优化器的设计动机与原理。