# Justin Huang

> 这是 Justin Huang 的个人博客，写 AI、技术、写作，也写生活。

## About

这是 Justin Huang 的个人博客，写 AI、技术、写作，也写生活。

- Site: https://justinhuangai.github.io/zh-hans
- RSS: https://justinhuangai.github.io/zh-hans/rss.xml
- Full content: https://justinhuangai.github.io/zh-hans/llms-full.txt
- Individual posts: append .md to any post URL (e.g. /zh-hans/posts/hello-world.md)
- JSON API: https://justinhuangai.github.io/api/posts.json

## Blog Posts

- [技术报告共读：《Attention Residuals》（注意力残差）](https://justinhuangai.github.io/zh-hans/posts/attention-residuals/): Kimi 团队 Attention Residuals 技术报告：为什么残差连接也该“注意力化”，以及 Full AttnRes / Block AttnRes 如何把这个想法做成可训练、可部署的系统
- [论文共读：《Training Compute-Optimal Large Language Models》（训练计算最优的大语言模型）](https://justinhuangai.github.io/zh-hans/posts/training-compute-optimal-large-language-models/): Chinchilla 论文：为什么 2022 年的大模型全都「喂少了」，以及算力预算到底该怎么分配，附真实 Python 核心代码
- [论文共读：《Scaling Laws for Neural Language Models》（神经语言模型的缩放定律）](https://justinhuangai.github.io/zh-hans/posts/scaling-laws-for-neural-language-models/): 规模的数学：为什么更大的模型可预测地更强，附真实 Python 核心代码
- [OpenClaw 专题：架构分析 🦞](https://justinhuangai.github.io/zh-hans/posts/openclaw-architecture/): 基于 v2026.3.8 源码，拆解一个自托管 AI 助手的工程骨架
- [论文共读：《Language Models are Few-Shot Learners》（语言模型是少样本学习者）](https://justinhuangai.github.io/zh-hans/posts/language-models-are-few-shot-learners/): 更大的模型，更善于从上下文中诱发能力，附真实 Python 代码
- [OpenClaw 专题：生态分析 🦞](https://justinhuangai.github.io/zh-hans/posts/openclaw-ecosystem/): 从一个开源项目到一个完整的 AI 助手生态
- [论文共读：《BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding》（BERT：用于语言理解的深度双向 Transformer 预训练）](https://justinhuangai.github.io/zh-hans/posts/bert/): 预训练范式的确立，附真实 Python 代码
- [论文共读：《Sequence to Sequence Learning with Neural Networks》（使用神经网络进行序列到序列学习）](https://justinhuangai.github.io/zh-hans/posts/sequence-to-sequence-learning-with-neural-networks/): 编码器-解码器范式的确立，附真实 Python 代码
- [Clawdbot：一个值得关注的去中心化 AI 开源项目](https://justinhuangai.github.io/zh-hans/posts/clawdbot/): 一个把所有聊天渠道接入 AI Agent 的自托管平台
- [论文共读：《Neural Machine Translation by Jointly Learning to Align and Translate》（通过联合学习对齐与翻译实现神经机器翻译）](https://justinhuangai.github.io/zh-hans/posts/neural-machine-translation-by-jointly-learning-to-align-and-translate/): 注意力机制的起源，附真实 Python 代码
- [论文共读：《Attention Is All You Need》（注意力就是你所需要的全部）](https://justinhuangai.github.io/zh-hans/posts/attention-is-all-you-need/): 分享我对 Transformer 论文的理解，附真实 Python 代码
- [👋 你好，世界](https://justinhuangai.github.io/zh-hans/posts/hello-world/): 欢迎来到 Astro-Theme-Aither——一个相信文字本身就很美的 AI 原生 Astro 主题。