2026年7月22日一万亿个参数，没有一个是给你拧的：函数、大模型与 Claude Code 的控制面迁移史函数的控制面是参数：改参数，结果就变。大模型呢？它有上万亿个参数，但没有一个是旋钮——真正的控制面迁移到了数据、目标函数和上下文里。到了 Claude Code / Codex，控制面又搬回模型外面，变成一整个分层的驾驶舱。这篇讲清一条主线：计算史就是控制面的迁移史，每次迁移都在拿确定性换能力，然后人类立刻在新的一层重建确定性。LLMAgentClaude CodeAI 前沿第一性原理思维框架
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日站在 AI 的山巅：一句话 + 12 条原理，读懂从符号主义到大模型的所有设计与其把每篇论文当孤立的知识点去背，不如握住一副望远镜。这篇把整部 AI 史压成一句话，再展开成 12 条跨时代的顶级原理——每条都配一个从"老 AI"到今天的例子和一个透镜问题。读到发懵的论文，往这 12 条上一映射，雾气就散了。AI 前沿第一性原理机器学习思维框架LLM
2026年7月14日不教，只给激励：DeepSeek-R1 如何让大模型自己"长"出推理能力深读发表于 Nature 的 DeepSeek-R1 论文——它证明了一件反直觉的事：复杂推理不必靠人类标注的思维链一步步教，而是用对了奖励，让模型在强化学习里自己长出来。从 GRPO、规则奖励、"aha moment"到四段式流水线与蒸馏，一条主线讲透当前推理模型这一代范式。LLM强化学习推理模型DeepSeekAI 前沿