来源导航

本书把来源放在最接近其主张的位置。根目录不再维护与各卷重复的巨型引用账本。

分卷来源

• 卷一来源说明：AI 技术史、神经网络、Transformer、预训练、后训练、多模态、生成模型、Agent 与系统工程。
• 卷二资料源：tokenizer、Transformer 推理、解码服务、扩散/flow 与工具运行时。
• 卷三资料源：概率与信息论、语言建模目标、校准、不确定性和模型概率分析。
• 卷四资料源：归因、attention、probes、patching、circuits、SAE、训练动力学和 CoT。
• 卷五思想来源：随机鹦鹉隐喻、意向立场、语言使用、grounding、扩展心智与叙事身份。

引用原则

1. 数学恒等式和书内推导由正文给出条件，不用“经典结果”掩盖缺失假设。
2. 经验工作只支持它实际研究的模型、任务、数据和协议。
3. 公司或实验室研究报告按公开报告引用，不伪装成全领域共识。
4. 快速变化的前沿章节保留年份和限制；“当前路线”不写成已经成熟的统一理论。
5. 具体产品行为、法律规则和部署接口必须以目标版本的官方资料为准，本书不提供跨版本保证。

卷四来源已覆盖截至 2026 年 7 月公开的 attribution graph、attention feature interaction、SAE 评估与审计、可识别 SAE 和 CoT monitorability 路线。它们用于展示当前研究边界，不支持“前沿模型已经被完整解释”的结论。