2026年7月22日穿透控制面：你写进 CLAUDE.md 的每一行，最后变成了模型内部的什么上一篇找齐了 Agent 的控制面，这一篇把 X 光打进去：指令、示例、人格设定、测试反馈，穿过 tokenizer 之后分别控制了 Transformer 内部的哪个机制？结合 induction heads、task vectors、persona vectors 三条机制学证据链，得到一个统一答案——上下文控制的从来不是模型会什么，而是在一座冻结的能力库上做"寻址"：选择并组合已有的回路。LLMAgentClaude Code可解释性AI 前沿第一性原理
2026年7月14日任务能力怎样写进 LLM 权重：从一次梯度更新到预训练与对齐沿着一条训练信号的旅程，解释 loss、gradient、AdamW 怎样改变权重，并串起预训练、SFT、RLHF、DPO、LoRA 与上下文学习。AILLM模型训练论文学习RLHFLoRA可解释性
2026年7月14日一组权重，为什么能学会许多任务：条件化计算、梯度冲突与多任务收敛从一个根本无解的双标签训练集出发，解释任务条件、不同激活、梯度夹角、Pareto 折中，以及怎样让一个模型可靠地同时学会 A、B 和更多任务。AILLM模型训练多任务学习优化可解释性