From 3aa1eb059c354af71031e730b891b8c0a404fde8 Mon Sep 17 00:00:00 2001 From: okwn Date: Thu, 21 May 2026 00:57:00 +0000 Subject: [PATCH 1/2] fix: repair broken link in appendix prompts chapter (closes #44) --- .../appendix/8-artificial-intelligence/context-engineering.md | 2 +- .../appendix/8-artificial-intelligence/multimodal-models.md | 2 +- .../appendix/8-artificial-intelligence/prompt-engineering.md | 2 +- 3 files changed, 3 insertions(+), 3 deletions(-) diff --git a/docs/zh-cn/appendix/8-artificial-intelligence/context-engineering.md b/docs/zh-cn/appendix/8-artificial-intelligence/context-engineering.md index 3d25ff2..21cff54 100644 --- a/docs/zh-cn/appendix/8-artificial-intelligence/context-engineering.md +++ b/docs/zh-cn/appendix/8-artificial-intelligence/context-engineering.md @@ -3,7 +3,7 @@ 在开始之前，建议你先补两块“基础砖”： -- **Token 是什么**：可以先阅读 [大语言模型入门](./llm-intro.md) 的「分词 & Token」部分。 +- **Token 是什么**：可以先阅读 [大语言模型入门](./llm-principles.md) 的「分词 & Token」部分。 - **Prompt 是什么**：如果你还不熟悉 System / User / Assistant 的基本结构，可以先看 [提示词工程](./prompt-engineering/)。 --- diff --git a/docs/zh-cn/appendix/8-artificial-intelligence/multimodal-models.md b/docs/zh-cn/appendix/8-artificial-intelligence/multimodal-models.md index 63e69f3..78ebcd7 100644 --- a/docs/zh-cn/appendix/8-artificial-intelligence/multimodal-models.md +++ b/docs/zh-cn/appendix/8-artificial-intelligence/multimodal-models.md @@ -5,7 +5,7 @@ ## 0. 引言：给大脑装上眼睛 -在 [大语言模型入门](./llm-intro) 中，我们知道 LLM 本质上是一个被关在黑盒子里、只能通过**文字**来了解世界的“大脑”。 +在 [大语言模型入门](./llm-principles.md) 中，我们知道 LLM 本质上是一个被关在黑盒子里、只能通过**文字**来了解世界的“大脑”。 **多模态大模型 (VLM)** 的出现，相当于给这个大脑装上了一双**眼睛**。 diff --git a/docs/zh-cn/appendix/8-artificial-intelligence/prompt-engineering.md b/docs/zh-cn/appendix/8-artificial-intelligence/prompt-engineering.md index 4a44f5a..b87e744 100644 --- a/docs/zh-cn/appendix/8-artificial-intelligence/prompt-engineering.md +++ b/docs/zh-cn/appendix/8-artificial-intelligence/prompt-engineering.md @@ -34,7 +34,7 @@ AI 模型像一个**黑盒子**：我们知道输入（提示词）和输出（ 2. **更准确**：符合你的特定格式和逻辑要求。 3. **更高效**：一步到位，不需要反复纠正。 -> ℹ️ **背景知识**：如果你对模型是如何训练出来的感兴趣（预训练 vs 微调），可以阅读附录中的 [大语言模型入门](../llm-intro.md)。或者查看下方的详细原理解析。 +> ℹ️ **背景知识**：如果你对模型是如何训练出来的感兴趣（预训练 vs 微调），可以阅读附录中的 [大语言模型入门](../llm-principles.md)。或者查看下方的详细原理解析。 ### 深度解析：从训练数据看模型行为 From b8ebbf4348eac33ff4fa39628290b414de15e44b Mon Sep 17 00:00:00 2001 From: okwn Date: Thu, 21 May 2026 01:01:06 +0000 Subject: [PATCH 2/2] fix: repair formula display in AI capabilities appendix 3.1.3 (closes #2) --- .../8-artificial-intelligence/ai-capability-dictionary.md | 6 +++++- 1 file changed, 5 insertions(+), 1 deletion(-) diff --git a/docs/zh-cn/appendix/8-artificial-intelligence/ai-capability-dictionary.md b/docs/zh-cn/appendix/8-artificial-intelligence/ai-capability-dictionary.md index b32b2e5..b901a27 100644 --- a/docs/zh-cn/appendix/8-artificial-intelligence/ai-capability-dictionary.md +++ b/docs/zh-cn/appendix/8-artificial-intelligence/ai-capability-dictionary.md @@ -915,7 +915,11 @@ Text‑to‑Image 模型通常同时支持多风格、多分辨率输出：通 在 NeRF 中，整个 3D 场景被建模为一个连续函数： -![](https://ecn00p15ubf1.feishu.cn/space/api/box/stream/download/asynccode/?code=ZjYyZTc5MWFhY2QxM2FjNTI1MDFhNDM5NTEwNTBkNGFfM3RvSngwZnhwc1hMRFQxaXVXMkFNem5RSFFqUkppdkdfVG9rZW46TVltUGJUUWRib1NGV2V4dklHZ2NYandjbkJlXzE3NjcxMDU4ODM6MTc2NzEwOTQ4M19WNA) +$$ +F_\theta(\mathbf{x}, \mathbf{d}) = (\sigma, \mathbf{c}) +$$ + +其中 $\mathbf{x}$ 表示三维空间中的点位置，$\mathbf{d}$ 表示观察方向，$\sigma$ 表示体密度，$\mathbf{c}$ 表示颜色，$\theta$ 为网络参数。 给定三维空间中的一个点位置 x 和观察方向 d，网络会输出该点对应的体密度 σ 与颜色 c。沿着相机视线方向对这个映射函数做体渲染积分运算，我们就能得到该相机位姿下的像素颜色；反过来，只要给定一组多视角照片及其相机参数，我们就能通过最小化渲染结果与真实图像的误差，求解出模型的参数 θ。待模型训练完成后，只需改变相机位姿，就能合成那些 “从未被真实拍摄过” 的新视角图像（Novel View Synthesis）。