个人机器学习学习笔记，使用 Markdown 与 Obsidian 编写。
- Task 1：Transformer 分类器实现与工程技巧
- Task 2：从零实现 mini-GPT
- Task 2.1：Byte-level BPE 分词器
- Task 2.2：RoPE 旋转位置编码
- Task 2.3：Causal Attention 与 KV Cache
- Task 2.4：mini-GPT 模型构建与生成
- Task 2.5：训练、评估与困惑度调优
- Task 3：SFT、DPO 与大模型后训练
- Task 3.1：LoRA 与 Adapter 生命周期
- Task 3.2：SFT 数据与 Assistant-Only Loss
- Task 3.3：DPO 偏好优化
- Task 3.4：训练工程与故障排查
- Task 3.5：S1-S5 实验复盘
- Task 4：RAG 检索增强生成
- Task 4.1：Chunking 与 BGE Embedding
- Task 4.2：FAISS 检索与 RAG 评估
- Task 4.3：Reranker 与 Tokenizer 模板
- Task 4.4：RAG 生成与 Query 增强
- Task 4.5：完整数据流与实验复盘
- Task 5：Tool Agent 与 ReAct 学习索引
- Task 5.1：ReAct 循环与消息协议
- Task 5.2：工具 Schema、路由与安全边界
- Task 5.3：评测设计与实验复盘
- Task 5.4：现代 Agent 优化与工程实践
公共附件存放在 assets/，项目专属附件存放在对应 Task 目录的 assets/ 中。