今天做了没有进行考研的任务，下课回寝的过程中手机恰好没电了，刚好给了我个不去图书馆的理由吧。
不知怎么的，心里也憋的难受。想着学一些东西打发时间，想到昨天好友让我学习一下ai，这会是一个十分重要的事情。于是我便打开电脑开始学习deepseek-V3的相关内容。
我上GitHub官网，找到了deepseek-V3的开源项目，通过项目介绍，我罗列了林林总总的许多问题，我在ai这一块完全是零基础，但我打算从第一个问题入手：混合专家（MoE）语言模型，这是一个通过稀疏激活部分专家模型，并通过门控网络（决策模块）进行加权求和的模型，通过问deepseek-R1和查找相关资料，我学习到了一些皮毛，但想要深入学习一下Transformer的隐藏层是如何将文字转换为向量的？以及Softmax是如何转换为概率分布的？发现其中涉及的机器学习知识我还不熟悉，甚至可以说几乎空白，若想要细致学习，恐怕还得补充一些知识。
考虑到我以后的研究偏理论，因此我觉得比起ai语言模型的内部原理，更多的在意ai模型的使用会更有效果。而且在考研的关键时期，学习这些东西可能会花去大把时间。
不过也算有收获，我至少学习到了MoE的些许皮毛，为了方便我的理解，我也整理出来并发在知乎上了。我也逐步认识到，我需要利用解释的方法，来不断完善和强化我对知识的深刻理解，因此，对于自己想学习的内容，用latex做好解释和说明是十分必要的。
因此，以后若想学习一段陌生的领域，就需要遵循：学习基础知识——写日志（latex）——发知乎。来实现知识的学习和运用。