Wiki 目录
本页面由 LLM 在每次操作后自动维护。知识库采用领域优先结构：顶层按学习领域组织，每个领域自带
概念/资料摘要/综合分析/领域页。
🤖 AI
领域页
概念
- RLHF（人类反馈强化学习） — 人类偏好对齐的核心技术
- DPO（直接偏好优化） — 无需强化学习的对齐方法
- Constitutional AI — Anthropic 的伦理宪章对齐方案
- MoE（混合专家） — 稀疏激活的模型架构模式
- GQA（分组查询注意力） — KV 缓存优化的注意力机制
- MLA（多头潜在注意力） — DeepSeek 的低秩 KV 压缩
- RoPE（旋转位置编码） — 旋转矩阵编码相对位置，LLM 事实标准
- RMSNorm — 均方根归一化，LayerNorm 的高效替代
- PPO（近端策略优化） — RLHF 第三步的核心强化学习算法
- GRPO（组相对策略优化） — 去 Critic 的 PPO 变体，组内相对优势（DeepSeek / RP-TTS）
- 多模态 LLM — 跨模态理解和生成
- LALM（大型音频语言模型） — 离散 token + 自回归统一音频理解与生成（多模态 LLM 的音频分支）
- 对齐税 — 对齐训练导致的能力退化
- SFT（监督微调） — RLHF 第一步，用高质量标注数据教模型遵循指令
- S³ Tokenizer（监督语义语音分词器） — 基于 ASR 监督的离散语音表示
- FSQ（有限标量量化） — 100% 码本利用率的标量量化
- 神经音频编解码（RVQ） — 残差矢量量化多层离散 token，音频 LM 的离散化前端
- 条件流匹配（CFM） — 最优传输连续归一化流生成
- CFG（无分类器引导） — 扩散/流匹配的条件引导，少步化催生 CFG-free
- 分布匹配蒸馏（DMD） — 少步扩散/流匹配蒸馏，AudioX-Turbo 4-step 核心
- CLAP（对比语言-音频预训练） — 音频版 CLIP，生成空间/训练损失/评测指标三重身份
- DiffRO（可微奖励优化） — token 级可微后训练方法
- 生成式奖励模型（Generative Reward Model） — 生成推理再评分的奖励模型，可解释、可作 RLHF verifier
- DiT（Diffusion Transformer） — Transformer 替代 U-Net 的扩散骨干架构
- MMDiT（多模态扩散 Transformer） — DiT 的多模态双流变体：文本/图像各持权重、联合注意力（SD3/FLUX 骨干）
- 对抗后训练（Adversarial Post-Training） — 真实数据上对抗微调，少步扩散加速（ARC / Stable Audio 3）
- 音频生成 — 通用音频生成技术全景（扩散/语言模型/连续表示/CALM）
- CALM（连续自回归语言建模） — 自回归+流匹配融合范式，连续潜变量替代离散 softmax（AudioCALM）
- DDPM 前向与反向扩散公式推导 — 扩散加噪去噪公式的数学推导（前向重参数化 + 反向贝叶斯+神经网络近似）
- 得分匹配（Score Matching） — 学得分函数 ∇log p_t 训练扩散模型，去噪得分匹配 = DDPM 噪声预测；与流匹配对偶
- 离散扩散模型（CTMC） — 用连续时间马尔可夫链把扩散搬到离散空间，训练退化为逐位置分类，MDLM 语言模型
- VAE（变分自编码器） — 概率编解码 + KL 正则的潜空间压缩，latent diffusion 的基础
- Diffusion Autoregressive 架构 — 自回归 + 扩散的混合生成框架
- Tokenizer-Free TTS — 无离散 Tokenizer 的语音合成范式
- On-Policy Distillation（在策略蒸馏） — 学生自采样 + 教师逐 token 打分，结合 on-policy 相关性与 dense reward
- Knowledge Distillation（知识蒸馏） — 蒸馏大类：用强教师训练弱学生，Forward/Reverse KL 对比
- Policy Gradient（策略梯度） — RL 核心数学基础：根据 advantage 直接调整 token 概率
- verl — 字节跳动开源 LLM RL 后训练框架，支持 PPO/GRPO/OPD 等算法
- GPU 节点互联与分层带宽 — 从 HBM、NVLink/NVSwitch、PCIe 到节点间网络的 AI Infra 性能分析框架
资料摘要
大模型（按时间线，覆盖关键论文）：
- 资料摘要：InstructGPT — RLHF 对齐开创性工作 (2022.03)
- 资料摘要：On-Policy Distillation — Thinking Machines Lab：on-policy 采样+教师逐 token 打分，9–30× 成本降低 (2025.10)
- 资料摘要：LLaMA — 开源大模型里程碑，13B 超越 GPT-3 175B (2023.02)
- 资料摘要：GPT-4 Technical Report — 多模态 + 人类水平专业考试 (2023.03)
- 资料摘要：DPO — 简化 RLHF 为单一分类损失 (2023.05)
- 资料摘要：Llama 2 — 开源 RLHF 对齐完整方法论 (2023.07)
- 资料摘要：Gemini — 原生多模态，MMLU 首超人类 (2023.12)
- 资料摘要：Mixtral — SMoE 架构，13B 激活超越 70B 密集模型 (2024.01)
- 资料摘要：Claude 3 — Constitutional AI，三级模型家族 (2024.03)
- 资料摘要：DeepSeek-V2 — MLA + MoE，KV 缓存减少 93.3% (2024.05)
- 资料摘要：Qwen2 — 全尺寸开源，72B 多项超越 Llama-3-70B (2024.07)
- 资料摘要：Llama 3 — 405B 对标 GPT-4，史诗级训练透明 (2024.07)
- 资料摘要：GPT-4o System Card — 全模态统一模型，320ms 语音响应 (2024.10)
- 资料摘要：LLM架构演进三年回顾 — B站视频：Transformer五大组件演进拆解，67模型回顾 (2026.05)
AI Infra / GPU 系统：
- 资料摘要：A100 SXM GPU 节点认识、配置与带宽测试 — B站实操：8×A100 SXM4 节点的 PCIe/SXM/HGX/DGX、拓扑与分层带宽验机 (2026.07)
扩散 / 视觉生成：
- 资料摘要：An Introduction to Flow Matching and Diffusion Models（MIT 6.S184） — MIT 6.S184 官方讲义：以微分方程统一流匹配/扩散/离散扩散的权威教科书 (2026)
- 资料摘要：DiT — Diffusion Transformer 原始论文，ICCV 2023
- 资料摘要：SD3（MMDiT） — Stable Diffusion 3：MMDiT 双流架构 + Rectified Flow 噪声采样，规模化至 8B，ICML 2024
- 资料摘要：GIVT — 视觉领域首个连续输出头（GMM），ECCV 2024
- 资料摘要：MAR — 扩散过程建模连续 token 分布（Diffusion Loss），NeurIPS 2024 Spotlight
语音合成 / TTS：
- 资料摘要：CosyVoice — 首个监督语义 token 零样本 TTS (2024.07)
- 资料摘要：CosyVoice 2 — 统一流式/非流式，FSQ+Qwen2.5骨干 (2024.12)
- 资料摘要：CosyVoice 3 — 百万小时规模化，9语言+18方言 (2025.05)
- 资料摘要：VoxCPM — Tokenizer-Free 端到端 TTS，ICLR 2026
- 资料摘要：DiTAR — LM 隐状态 + 扩散 Transformer 头做语音生成（CALM 先驱），ICML 2025
- 资料摘要：MCLP（角色扮演 TTS） — LALM 风格一致性指标 MCLP + GRPO 奖励，ICML 2026
- 资料摘要：GSRM（生成式语音奖励模型） — 生成式语音奖励模型：可解释声学特征 + CoT 推理评自然度，作 Speech RLHF verifier，Meta (2026.02)
- 资料摘要：MOSS-TTS — 复旦 OpenMOSS 语音生成基础模型，离散 token+AR+大规模预训练，双架构 (2026.03)
- 资料摘要：MOSS-Audio-Tokenizer — 纯 Transformer 端到端音频 tokenizer（CAT），1.6B/3M 小时，SOTA 重建 (2026.02)
音频生成（2025-2026）：
- 资料摘要：Bagpiper — CMU+LY+NVIDIA：8B 音频基础模型，丰富字幕作认知概念代理 + caption-then-process，首批通用「理解-生成一体化」(2026.02)
- 资料摘要：Stable Audio 3 — Stability AI 旗舰潜空间扩散，4096× SAME + 对抗后训练 + 8 步 Ping-Pong，开源 SOTA (2026.05)
- 资料摘要：Dasheng AudioGen — 小米+交大：首个非自回归统一「混合音频场景」生成（语音+音乐+音效同段），多视图字幕 (2026.05)
- 资料摘要：DashengTokenizer — 小米 MiLM Plus：冻结语义 + 声学注入的连续统一 tokenizer，理解+生成共用一套表示 (2026.03)
- 资料摘要：AudioX — 统一多任务音频生成，ICLR 2026
- 资料摘要：AudioCALM — 阿里通义+港科大 CALM 范式：连续 AR+流匹配统一语音/音效/音乐，单一权重三类均达 SOTA (2026.06)
- 资料摘要：AudioX-Turbo — AudioX 高效版：4-step CFG-free，IF-caps-Pro 9.2M，DMD+判别器 (2026.06)
- 资料摘要：Fugatto — NVIDIA 首个音频基础模型，ICLR 2025
- 资料摘要：Siren — LM 首次超越 Diffusion 的 T2A，EMNLP 2025
- 资料摘要：Plan-Critic — 前缀规划 + GAE 引导解码，EACL 2026
- 资料摘要：Khala — 64 层 RVQ 高保真音乐生成 (2026.05)
- 资料摘要：DreamAudio — 定制化 T2A，TASLP 2026
- 资料摘要：LongCat-AudioDiT — 波形潜空间 DiT，零样本语音克隆 SOTA (2026.03)
- 资料摘要：MOSS-SoundEffect v2 — 复旦 OpenMOSS 开源音效模型，DiT+Flow Matching 重构离散 AR (2026.05)
- 资料摘要：连续值 Token 音频语言模型 — 连续 token 替代离散 RVQ，ICML 2025
- 资料摘要：Score-Based 音频生成综述 — 扩散模型全面综述 + AudioDiffuser 代码库 (2025.06)
- 资料摘要：通用听觉智能综述 — LLM+音频融合全景路线图 (2025.11)
- 资料摘要：UniSonate — 天大+快手：首个统一 TTS/TTM/TTA 三模态 Flow-Matching 框架 (2026.04)
- 资料摘要：UniMoE-Audio — 哈工大+微信AI：Dynamic-Capacity MoE + Top-P 路由统一语音音乐生成 (2025.10)
音频生成 — 奠基性工作（2023–2024）：
- 资料摘要：MusicGen — Meta 单阶段 Transformer LM 音乐生成，codebook 交错（Delay Pattern）去级联 + 文本/旋律双条件，NeurIPS 2023
- 资料摘要：AudioLDM — CLAP 潜空间扩散 TTA，首次零样本音频操作，ICML 2023
- 资料摘要：Tango — Flan-T5 + LDM，以 1/63 数据量超越 AudioLDM，ACL 2024
- 资料摘要：Tango 2 — Tango + diffusion-DPO 偏好对齐（Audio-alpaca），架构不变，ACM MM 2024
- 资料摘要：TangoFlux — Tango 三代：Rectified Flow + MMDiT/DiT + 在线偏好优化 CRPO，515M 3.7s 生成 30s，2024.12
- 资料摘要：DiffRhythm — 潜空间扩散全曲生成（人声+伴奏），10 秒 4m45s (2025.03)
- 资料摘要：GenAU — FIT+1D-VAE 环境音频生成，47M 数据管道+AutoCap 标注 (2024.06)
- 资料摘要：ControlAudio — 渐进扩散建模统一时间控制+可懂语音 TTA，ACL 2026 Main
音频理解 / LALM（大型音频语言模型）：
- 资料摘要：Qwen2.5-Omni — 阿里全模态端到端模型，Thinker-Talker 双脑 + TMRoPE，流式文本/语音双输出 (2025.03)
- 资料摘要：Audio Flamingo 3 — NVIDIA+UMD 完全开源 SOTA LALM，AF-Whisper 统一三模态 + 按需思考 + 长音频≤10min (2025.07)
连续值自回归三篇（视觉→音频「连续预测头替代离散 softmax」技术路线）：资料摘要：GIVT / 资料摘要：MAR / 资料摘要：DiTAR
综合分析
- CosyVoice 系列对比 — 三代演进：tokenizer → 流式 → 规模化+DiffRO
- DiT 论文全景 — DiT 论文图谱：从原始 DiT 到效率优化和架构进化
- LLM架构演进：Transformer已死？ — 三年67模型五大组件演进全景回顾
💰 金融投资
领域页
- 股票基础知识教程 — 全 70 讲股票基础知识系列（进行中）
概念
- K线（蜡烛图） — 蜡烛图技术分析最基础单元，四要素构成与多空博弈解读
- 个股分时图 — 日内实时价格、成交均价与分钟成交量的读图框架
- 大盘分时图 — 加权/不加权指数与市场相对广度的观察框架
- 成交量 — 成交数量、放量/缩量与量价配合的基础
- 大阳线 / 大阴线 — 长实体 K 线的条件化解读
- 十字星 / T形与倒T形K线 / 长下影K线 — 小实体与影线形态的读图基础
- 出水芙蓉 / 乌云盖顶 / 早晨之星 / 黄昏之星 — 课程已摄取的突破与转折候选形态
资料摘要
- 资料摘要：股票基础知识教程-001-K线的构成及市场意义 — 第 1 讲：K 线构成与市场意义 (2026.07)
- 资料摘要：股票基础知识教程-002-个股分时图的看盘技巧 — 第 2 讲：个股分时图三要素与均价线 (2026.07)
- 资料摘要：股票基础知识教程-003-大盘分时图的看盘技巧 — 第 3 讲：加权/不加权指数与黄白线 (2026.07)
- 资料摘要：股票基础知识教程-004-成交量、放量与缩量 — 第 4 讲：成交量和量价基础 (2026.07)
- 资料摘要：股票基础知识教程-005-大阳线的实操价值 — 第 5 讲：大阳线的定义与位置条件 (2026.07)
- 资料摘要：股票基础知识教程-006-经典K线形态“出水芙蓉” — 第 6 讲：缩量整理后的放量突破 (2026.07)
- 资料摘要：股票基础知识教程-007-大阴线出现后的应对策略 — 第 7 讲：大阴线的高位/深跌情境 (2026.07)
- 资料摘要：股票基础知识教程-008-经典K线形态“乌云盖顶” — 第 8 讲：两 K 线看跌转折候选 (2026.07)
- 资料摘要：股票基础知识教程-009-“十字星”K线的实操价值 — 第 9 讲：均衡、分歧与后续确认 (2026.07)
- 资料摘要：股票基础知识教程-010-经典K线组合形态“早晨之星” — 第 10 讲：三 K 线由空转多候选 (2026.07)
- 资料摘要：股票基础知识教程-011-经典K线形态“黄昏之星” — 第 11 讲：三 K 线由多转空候选 (2026.07)
- 资料摘要：股票基础知识教程-012-“T形”与“倒T形”K线的实操技巧 — 第 12 讲：特殊影线结构 (2026.07)
- 资料摘要：股票基础知识教程-013-长下影K线的实操技巧 — 第 13 讲：下影线与位置条件 (2026.07)
📙 人文社科
宗教 · 概念
- 亚伯拉罕诸教 — 犹太教/基督教/伊斯兰教三大一神教的”三本书”框架
- 古兰经 — 伊斯兰教圣书，114章，神逐字启示的终极经典
- 穆罕默德 — 伊斯兰教的封印先知，七世纪阿拉伯社会改革家
- 伊斯兰五功 — 正信/礼拜/斋戒/天课/朝觐，以信仰替代血缘的社会机制
- 希吉拉 — 622年迁徙麦地那，伊斯兰历元年，从精神运动到政权实体
- 乌玛 — 超越民族的穆斯林共同体，伊斯兰”综合体”的终极蓝图
宗教 · 资料摘要
- 资料摘要：伊斯兰简史(1)-伊斯兰的起源 — 青蛙刀圣1993 YouTube 视频，伊斯兰起源两视角全梳理 (2026.06)
规划中领域
以下领域已建占位索引，等待首次 ingest 填充：
基础设施
最近更新
- 2026-07-14: ingest — 资料摘要：股票基础知识教程-002-个股分时图的看盘技巧 至 资料摘要：股票基础知识教程-013-长下影K线的实操技巧（B站 P2–P13 本地 Whisper 带时间戳转录）；新建 个股分时图、大盘分时图、成交量、大阳线、出水芙蓉、大阴线、乌云盖顶、十字星、早晨之星、黄昏之星、T形与倒T形K线、长下影K线，并更新 股票基础知识教程 为 13/68 已摄取。课程形态以位置、量能、确认与风险控制为共同边界，不作为单一交易指令。
- 2026-07-13: ingest — 资料摘要：A100 SXM GPU 节点认识、配置与带宽测试（B站本地 Whisper 转录 + 已授权 GitHub 课件/代码）+ 新建 GPU 节点互联与分层带宽 概念页 + 节点互联与验机图；归档并解读 pinned-memory PCIe 与 HBM copy/stream-add 微基准，覆盖 SXM/PCIe/HGX/DGX、NVLink/NVSwitch 拓扑、GPU Burn 与 PCIe/NVLink/HBM 分层基准。
- 2026-07-13: ingest — 资料摘要：An Introduction to Flow Matching and Diffusion Models（MIT 6.S184）（MIT 官方讲义，84 页）+ 新建 得分匹配（Score Matching）、离散扩散模型（CTMC）、VAE（变分自编码器） 三个概念页 + 统一框架图；更新 条件流匹配（CFM）、DDPM 前向与反向扩散公式推导、CFG（无分类器引导） 交叉引用（补齐理论根页）
- 2026-07-10: ingest — 资料摘要：GSRM（生成式语音奖励模型） + 新建 生成式奖励模型（Generative Reward Model） 概念页 + 两阶段架构图；Meta 生成式语音奖励模型（可解释声学特征 + CoT 推理，作 Speech RLHF verifier）
- 2026-07-09: refactor — 知识库层级重构为领域优先：
raw/与wiki/顶层统一为 emoji 学习领域（🤖 AI / 💰 金融投资 / 📙 人文社科 / 🔢 数学 / 💻 CS / 🎃 外语 / 🎹 音乐 / 🎨 画画 / 🛎️ 技能），机能文件夹（概念/资料摘要/综合分析/领域页/assets）内嵌到各领域；补齐 sortspec、重写 AGENTS.md schema、预建 6 个占位领域 - 2026-07-07: ingest — 资料摘要：Qwen2.5-Omni（阿里全模态 Thinker-Talker + TMRoPE）+ 资料摘要：Audio Flamingo 3（NVIDIA 完全开源 LALM，AF-Whisper + 按需思考）；新建「音频理解」主题分组（
raw/🤖 AI/音频理解/+wiki/🤖 AI/资料摘要/音频理解/）；更新 LALM（大型音频语言模型）（sources + 理解分支两条路线） - 2026-07-07: ingest — 资料摘要：DashengTokenizer（小米 MiLM Plus 连续统一 tokenizer，冻结语义+声学注入）+ Excalidraw 架构图；按主题归组 Dasheng 家族（raw/wiki 均入
Dasheng/子文件夹）；更新 神经音频编解码（RVQ）（连续统一 tokenizer 对照路线）、音频生成、条件流匹配（CFM）、音频生成、资料摘要：Dasheng AudioGen（互链潜空间基座） - 2026-07-07: ingest — 资料摘要：Bagpiper + Excalidraw 架构图（双向映射 + Caption-then-Process）；更新 LALM（大型音频语言模型）（理解-生成一体化/语义层统一）、音频生成（统一基础模型一节）
- 2026-07-03: ingest — 资料摘要：股票基础知识教程-001-K线的构成及市场意义 + 新建 K线（蜡烛图） 概念页 + Mermaid 结构图；新增「金融/投资」领域
- 2026-07-01: query/ingest — 从 Codex 会话整理 RL/蒸馏知识：新建 Knowledge Distillation（知识蒸馏）、Policy Gradient（策略梯度）、verl 三个概念页；更新 On-Policy Distillation（在策略蒸馏） 交叉引用
- 2026-07-01: ingest — 资料摘要：On-Policy Distillation + 新建 On-Policy Distillation（在策略蒸馏） 概念页 + Excalidraw 对比图；更新 SFT（监督微调）、分布匹配蒸馏（DMD）、DiffRO（可微奖励优化）、GRPO（组相对策略优化） 交叉引用
- 2026-07-01: query — 基于 MAR 论文讨论，新建 DDPM 前向与反向扩散公式推导 概念页（前向重参数化 + 反向贝叶斯推导 + 与流匹配对比）；更新 资料摘要：MAR（新增相关链接）
- 2026-06-30: ingest — 资料摘要：ControlAudio + 架构图，首个统一时间控制+可懂语音 TTA，ACL 2026 Main；更新 DiT（Diffusion Transformer）、音频生成、音频生成
- 2026-06-29: ingest — 资料摘要：GIVT + 资料摘要：MAR + 资料摘要：DiTAR，连续值自回归三条技术路线（GMM/扩散/流匹配）从视觉到音频；更新 CALM（连续自回归语言建模）（history+sources+交叉引用）、Diffusion Autoregressive 架构（修复 DiTAR 混同，补 CALM 列对比）
- 2026-06-29: ingest — 资料摘要：UniMoE-Audio + 架构图（Dynamic-Capacity MoE）+ 更新 MoE（混合专家） + 更新 音频生成（统一框架趋势）
- 2026-06-29: ingest — 资料摘要：AudioCALM + 新建 CALM（连续自回归语言建模） 概念页 + 架构图 + 更新音频生成领域页/概念页
- 2026-06-16: query — 判断 MusicGen / AudioGen 架构归类
- 2026-06-15: 摄取 AudioX-Turbo + 新建 分布匹配蒸馏（DMD） 概念页 + 架构图；按主题归组 AudioX 资料
- 2026-06-05: 摄取 MOSS-Audio-Tokenizer + MOSS-TTS + 新建 LALM（大型音频语言模型） 概念页 + 2 张架构图
- 2026-06-05: 摄取 Dasheng AudioGen + MCLP + 新建 GRPO（组相对策略优化） 概念页 + 2 张架构图
- 2026-06-05: 摄取 Stable Audio 3 + 新建 对抗后训练（Adversarial Post-Training） 概念页 + 架构图
- 2026-06-04: 摄取 MOSS-SoundEffect v2 + 架构图
- 2026-05-26: 摄取 GenAU + 架构图；全库巡检修复 3 处死链 + 统一 TTS→语音合成标签
- 2026-05-25: 批量摄取奠基性音频生成论文（MusicGen/AudioLDM/Tango/DiffRhythm）
- 2026-05-21: 从 Maxwell-Mou-wiki 迁移 VoxCPM 全套资料
- 2026-05-17: 摄取 B 站视频《上帝视角拆解三年 LLM 架构演进》+ 新建 RoPE/RMSNorm 概念页 + 综合分析页
- 2026-05-09: 新增 DiT 论文全景 + 原始 DiT 论文摄取；巡检修复 + 新建 DiT/PPO/SFT 概念页
- 2026-05-08: 通用音频生成 10 篇论文批量摄取（AudioX/Fugatto/Siren 等）
- 2026-05-04: CosyVoice 1/2/3 三篇论文批量摄取；批量导入 11 篇大模型关键论文（LLaMA → GPT-4o）
- 2026-05-03: ingest InstructGPT 论文