文章CN
激活函数:神经网络为什么需要非线性
从 XOR 与线性变换的边界出发,理解激活函数怎样改变表示空间,并比较 Sigmoid、Tanh、ReLU 与 GELU 的输出、梯度和使用位置。
我做 AI-native 应用、开发者工具和以人为中心的系统,把研究、交互和真实落地连接起来。
现在最关心的问题是:AI 如何进入人的记忆、工作、研究和日常思考。
人本 AI、personal system,以及能进入产品工作流的交互数据。
用全栈和本地 AI pipeline 快速做 0 到 1 原型,让想法真正可用。
一个结合任务、记录与长期记忆的 AI-native personal system。
这些不是完整清单,更像我现在把研究、产品和个人系统拼起来时会反复拿起的工具。
文章、札记和开发记录的最近更新
从 XOR 与线性变换的边界出发,理解激活函数怎样改变表示空间,并比较 Sigmoid、Tanh、ReLU 与 GELU 的输出、梯度和使用位置。
从公开 API 的输入、推理、结构化输出、工具、状态、实时与异步接口出发,重新理解现代模型的能力,以及模型与平台之间的边界。
从规则、数据与参数的边界出发,沿人工神经元的历史走到一个可训练的 Sigmoid 神经元。
从批处理、分时系统、命令行、图形界面、Web 到移动设备,追踪人与计算机如何从提交任务走向连续操作。
当自然语言成为计算入口,人与系统的关系如何从调用预设功能,转向对表达、意图与共同任务的持续解释。
从“交互”、interaction 与日语中的「交互」「相互作用」「インタラクション」出发,追溯交互如何从彼此作用生长为一门设计学科。