文 134 页、参考文献 10 页的《人工智能基础知识手册》（又名《大笨蛋的 AI 基础》）
手册从基础数学知识开始，讲到 CNN、RNN、Transformer、扩散模型、Flow Matching 和强化学习，旨在帮助对人工智能领域较为陌生的同学们，迅速获得对该领域的一个概览。手册由 zxy 同学编写，它的内容也贴合最新的 AI 领域发展。生成模型这一章从 DDPM、得分匹配讲到了 SDE、ODE 和 Flow Matching，还提到了生成模型在机器人动作生成中的应用；强化学习则从 Q-Learning、DQN、PPO 一直讲到了 RLHF 和大模型对齐。所以如果你对现在的大模型和生成式 AI 感兴趣，但总觉得网上的资料比较零散，不知道 Transformer、扩散模型、强化学习这些东西之间到底有什么关系，这份手册应该会有一些帮助。
书籍内容：1. 人工智能发展历史梳理 AI 三大发展阶段，理清行业发展脉络。2. 人工智能必备数学基础讲解微积分、线性代数、张量、概率论等深度学习底层数学知识。3. 基础神经网络（线性层）讲解机器学习核心原理，区分分类、回归任务，附带 PyTorch 实操，介绍多层网络与残差连接。4. 卷积神经网络 CNN讲解卷积、池化、上采样原理，介绍转置卷积，搭配视觉实战案例与 PyTorch 实现。5. 递归神经网络 RNN讲解基础 RNN 与梯度问题，介绍 LSTM、GRU，附带 PyTorch 搭建教程。6.Transformer 架构解析自注意力、多头注意力，讲解 BERT、GPT，拓展其在视觉、语音、多模态领域应用。7. 对抗学习（GAN）讲解 GAN 基础原理与训练难题，介绍 WGAN 等变体，涵盖图像翻译等相关应用。8. 生成模型讲解分布映射核心思路，重点讲解 DDPM 扩散模型、得分匹配、Flow Matching，搭配图像、机器人动作生成案例。9. 强化学习介绍主流强化学习算法与落地场景，包含 RLHF 人类反馈强化学习，讲解大模型对齐相关内容。
https://pan.baidu.com/s/1SxMiTRdVDePy0A6MV32qoA?pwd=4phuhttps://pan.quark.cn/s/fc74b104b758
