《爱丽丝漫游可微仙境》：神经网络构建入门指南
一本通过直观语言和可运行代码，系统介绍现代神经网络构建的入门书籍。内容涵盖自动微分、核心架构及前沿模型，并已发布第二卷强化学习章节。
神经网络已成为驱动人工智能发展的核心技术，广泛应用于大型语言模型、语音识别、分子发现及机器人系统等领域。理解其底层原理与构建方法，对于技术人员而言至关重要。近期，一本名为《爱丽丝漫游可微仙境》（Alice’s Adventures in a differentiable wonderland）的书籍，以入门读物的形式，为初学者系统性地揭示了现代神经网络的构建之道。
核心内容
本书的核心目标是通过直观的解释和可运行的代码，引导读者亲手构建现代神经网络。作者将神经网络视为可微基元的组合，并将学习过程类比为“可微编程”。全书内容自成体系，重点介绍了如何通过自动微分来优化函数，并精选了处理序列、图、文本与音频数据时最常见的架构。
在具体技术层面，书籍聚焦于最重要的设计技巧，包括卷积块、注意力块和循环块。它力求在理论概念与 PyTorch、JAX 等框架的实践代码之间架起桥梁，旨在帮助读者最终理解当今最前沿的模型，如大语言模型 (LLM) 与多模态架构。
目前，作者已开始撰写第二卷，并先行发布了一章介绍强化学习的内容。该章节内容涉及大型语言模型的后训练技术，特别聚焦于强化学习在模型微调中的作用。其内容兼具历史演进广度和数学推导深度，系统讲解了从奖励建模、策略梯度到 PPO、GRPO 及 DPO 等前沿算法的数学原理与应用细节。
价值与影响
对于希望深入理解神经网络内部工作机制，并渴望从理论过渡到实践代码的开发者与学习者而言，本书提供了一条清晰的学习路径。它降低了理解复杂架构的门槛，特别是其强调直觉与代码实践相结合的方式，有助于读者构建扎实的知识基础。同时，第二卷中关于强化学习与大型语言模型后训练的深入探讨，及时跟进了当前的研究与应用热点，为关注模型对齐与微调技术的研究人员和工程师提供了有价值的参考资料。
