2026
12 ENTRIESBun 从 Zig 迁到 Rust：百万行代码如何进行可控验证
Bun 借助 Claude，用 11 天将主体代码从 Zig 迁到 Rust。团队通过迁移规则、独立审查、跨平台测试和 Canary 反馈来检查新实现的可靠性，这意味着 AI 已经在现代软件工程中占据了举足轻重的位置。
大模型会推理，但它理解语言吗：ACL2026 的计算语言学前沿
从事件语义、认知记忆、智能体可靠性与多语言评价出发，理解 ACL2026 如何重新界定大模型时代的语言理解问题。
解释不应离开数据分布：可解释 AI 与流形学习的交汇
从 off-manifold 扰动、流形 Shapley 到测地线归因，理解可解释 AI 为什么必须同时考虑模型响应、数据分布与可行动路径。
3D 视觉如何理解植物器官的出生与生长
多数 3D 重建方法假设物体的拓扑保持稳定，只对运动或形变建模。植物生长却包含器官新生、衰老和脱落，结构随时间改变。本文讨论 4D 视觉怎样从动态渲染走向可追踪、可测量、能进入生长模型的植物表型。
自编码器与扩散模型
从确定性自编码器的表示瓶颈出发，推导 VAE 的证据下界与重参数化技巧，再解释扩散模型的前向加噪、反向去噪、得分匹配和条件引导。
把罗马装进一个 MLP：VGG-T³ 如何扩展前馈式 3D 重建
从 VGGT 的全局注意力瓶颈出发，理解 VGG-T³ 如何借助测试时训练，把不断增长的 KV 场景表示压缩进固定大小的 MLP，以及这种线性扩展为什么必然伴随精度损失。
潜变量分析：离散潜变量分析
从 K-means 的硬聚类出发，建立混合模型的似然与离散隐变量，推导 EM 算法、高斯混合模型和混合伯努利分布，并说明参数先验与证据下界的关系。
V8 引擎的始与末
梳理 V8 从早期机器码编译器到现代分层 JIT 的演变，并跟随一段 JavaScript 了解解析、执行、优化和垃圾回收。
概率采样：能量模型与郎之万采样
从能量函数与配分函数出发，推导能量模型的最大似然梯度，说明无偏蒙特卡洛估计成立的条件，并用郎之万动力学解释如何在未知归一化常数时近似采样。
概率采样：基本采样与马尔可夫链—蒙特卡洛采样
围绕期望的蒙特卡洛估计，解释基本采样、拒绝采样和重要性采样，并从平稳分布出发推导 Metropolis–Hastings、Gibbs 与祖先采样的条件和局限。
时代变了：我的 Vibe Coding 经验谈
从考研模式回归代码，发现 AI 编程生态已经和半年前完全不同。这篇文章整理了我对 Vibe Coding 的实践与理解，以及如何系统性地使用 AI 工具。
深度网络：卷积神经网络
从互相关、卷积核、步幅、填充、通道与感受野出发，逐层推导卷积神经网络，并用 PyTorch 完整实现和训练 LeNet-5。
