大讲堂的文章

去年底，和硅谷某大厂的一位VP喝酒。他说了一句话让我记到现在：“你知道吗，我们数据中心跑的大模型，有30%的FLOPs都浪费在对齐人类偏好的冗余神经元上。” 当时我手里的威士忌差点洒出来。30%。不是个小数目。你要知道，训练一次千亿参数模型...

做模型推理那会儿，真是被延迟逼疯。几百兆的模型，跑一次几百毫秒，用户早就划走了。后来搞量化——嚯，发现新大陆！内存直接腰斩，速度快了三倍。但，别高兴太早。坑多得能填海。今天不整虚的，就聊聊这玩意儿到底怎么玩，怎么避开那些阴沟。 这玩意儿到底...

不是危言耸听。看看硅谷现在疯抢H100的样子，像极了2020年抢口罩。但这事儿比口罩绝望得多——算力需求的斜率已经彻底疯了。一季度英伟达数据中心营收同比暴增427%，而台积电的CoWoS封装产线还在喊疼。这就是梯度爆炸。它不是一个数学概念，...

你盯着TensorBoard上那几条几乎躺平的loss曲线，心里肯定在骂娘。对吧？层数一深，准确率反而像跳楼一样往下掉，反向传播回来的梯度，小到连浮点数都懒得表示——这就是梯度消失，训练深层网络时最恶心的幽灵。说实话，我第一次撞上它的时候，...

供应链的中间层，正在被抽干。就像神经网络里的残差块，跳跃连接直接打通了输入和输出——中间那些冗余的隐藏层，突然变得可有可无。说实话，这玩意儿在深度学习里火了快十年，可真正让实业界脊背发凉的，是它居然映射到了真实的商业世界。 为什么是现在？地...

退化，梯度，以及那个小箭头 头回见到残差连接，是在ResNet那篇论文里——说实话，第一反应是：就这？不就是在输出上硬加了个输入吗？也太粗暴了。但是，当我自己撸了个30多层的CNN，看着训练loss不降反升，再切到ResNet-34跑一遍，...

为什么是现在？一场静默的算力政变 你如果这两年盯着GPU的股价发呆，大概已经注意到了——H100被炒成期货，电费账单比研发费还烫手。所有人都在喊“大模型”，却没人愿意低头看一眼那堆矩阵乘法里的细枝末节。Layer Normalization...

那是半夜两点，训练日志里突然跳出NaN。我盯着屏幕，脑子里只有一个念头——又tm是归一化的问题。别笑，做大规模预训练，这种破事遇少了？ 说实话，层归一化（Layer Normalization）这玩意儿，看着简单，就是减均值除方差，再搞两个...

你训过那种几十层的网络没？没有的话，恐怕很难理解那种眼睁睁看着 loss 上蹿下跳，就是不肯老实下降的抓狂。调学习率、换初始化、加正则…我那时候简直觉得自己在搞玄学，而不是工程。直到 2015 年——没错，和 ResNet 同年...

说实话，我最近重新翻出Hinton那篇Dropout论文时，后背有点发凉。 不是因为它多么深奥——这玩意都出来快十年了——而是因为，它现在正被嵌进一个完全不同的叙事里：算力短缺。对，那场让所有大模型玩家集体焦虑的算力饥荒。我甚至觉得，Dro...