Aidenz

我是aidenz，一名专注于人工智能系统与工程落地的开发者。
当前主要研究方向包括数据挖掘、深度学习、大模型和智能体。
在这里，我会持续记录从算法设计到系统实现的全过程，分享真实的工程经验、踩坑总结与技术思考。
希望这些内容不仅对研究者有价值，也能为工程实践提供参考。
🚀 关注领域：AI工程 / 大模型训练 / 智能体 / 高性能计算
✍️ 持续输出：技术博客 + 项目实践 + 方法论总结

Featured

• 并行计算与并行编程：从串行到 AI Infra

  19 Aug, 2026

  从「计算是什么」出发，系统梳理并行计算的核心概念——IPC、延迟与吞吐、数据依赖与同步、Flynn 分类法（SISD/SIMD/MISD/MIMD），到大模型训练中的数据并行、模型并行、流水线并行、张量并行与三维并行，再到 SIMT/CUDA 与 Tile/Triton 两种并行抽象，建立对「为什么大模型要写 Kernel、为什么 GPU 能训练大模型」的直觉。

• 大模型算力计算指南：从训练到推理

  28 Jul, 2026

  系统梳理大模型训练与推理所需算力的计算方法，涵盖全量训练 FLOPs 估算（6PD 公式）、训练显存需求、GPU 利用率与训练时间换算、Chinchilla Scaling Laws、LoRA/QLoRA 微调算力与显存、推理算力（2P/token）、KV Cache 显存、Prefill/Decode 两阶段延迟、memory-bound 与 compute-bound 分析、推理优化技术，并配以 LLaMA-7B/70B 等实例计算。

• DoRA：权重分解低秩适应

  28 Jul, 2026

  DoRA（Weight-Decomposed Low-Rank Adaptation）通过将预训练权重分解为方向和幅度两个分量分别微调，在不增加推理开销的前提下缩小了 LoRA 与全量微调的性能差距，在常识推理、视觉指令微调、图像/视频文本理解等多种任务上持续超越 LoRA。

• 从零训练大模型（序）：课程总览

  13 Jul, 2026

  一门完全零基础的中文系列教程：以 train-llm-from-scratch 仓库为“活教材”，用纯 PyTorch 手写复刻现代大模型的完整训练链路——从张量、Transformer、注意力，一路到预训练、SFT、奖励模型、DPO、PPO、GRPO。本文是 19 章的学习地图与阅读约定。

• 具身智能：从大语言模型到世界模型

  2 Jul, 2026

  一篇 IEEE 综述的中文导读——具身智能如何从离身 AI 走向 AGI，LLM/MLLM 赋能语义推理与任务分解，世界模型提供物理一致的内部表示与未来预测，以及两者联合架构为何将成为下一代具身系统的主流。

• LLM 应用实战精通：系列总览

  15 Jun, 2026

  一段 10 周的 LLM 实战之旅。本系列系统讲解大语言模型从基础概念、提示工程、微调、RAG，到评估、应用构建、部署、挑战与前沿趋势的全流程，帮你把散落的知识拼成完整图景。

• React 入门完全指南 - 从零开始构建现代 UI

  10 Apr, 2026

  基于实际项目，系统介绍 React 核心概念，包括组件、Props、useState、事件处理、表单、条件渲染、列表渲染等基础知识，适合零基础初学者。

• Agent高级知识拓展

  2 Feb, 2026

  Agent 高级知识拓展、记忆与检索、上下文工程

• agent经典范式

  3 Jan, 2026

  Agent经典范式构建

• NLP基础知识

  1 Dec, 2025

  NLP基础知识

• RAG概念

  21 Nov, 2025

  RAG基本概念

• Git 常用命令完全指南 - 从入门到进阶

  5 May, 2025

  系统整理 Git 常用命令，从基础配置、提交与分支，到高级的 HEAD 操作、相对引用和撤销变更，适合初学者和日常查阅。