# Justin Huang

> 這是 Justin Huang 的個人部落格，寫 AI、技術、寫作，也寫生活。

## About

這是 Justin Huang 的個人部落格，寫 AI、技術、寫作，也寫生活。

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

## Blog Posts

- [技術報告共讀：《Attention Residuals》（注意力殘差）](https://justinhuangai.github.io/zh-hant/posts/attention-residuals/): Kimi Team 的 Attention Residuals 技術報告：為什麼殘差連接也該「注意力化」，以及 Full AttnRes / Block AttnRes 如何把這個想法做成可訓練、可部署的系統
- [論文共讀：《Training Compute-Optimal Large Language Models》（訓練算力最優的大型語言模型）](https://justinhuangai.github.io/zh-hant/posts/training-compute-optimal-large-language-models/): Chinchilla 論文：為什麼大多數大模型其實訓練不足，以及如何聰明地分配算力預算，附真實 Python 核心程式碼
- [論文共讀：《Scaling Laws for Neural Language Models》（神經語言模型的縮放定律）](https://justinhuangai.github.io/zh-hant/posts/scaling-laws-for-neural-language-models/): 規模的數學：為什麼更大的模型可預測地更好，附真實 Python 核心程式碼
- [OpenClaw 專題：架構分析 🦞](https://justinhuangai.github.io/zh-hant/posts/openclaw-architecture/): 基於 v2026.3.8 原始碼，拆解一個自託管 AI 助手的工程骨架
- [論文共讀：《Language Models are Few-Shot Learners》（語言模型是少樣本學習者）](https://justinhuangai.github.io/zh-hant/posts/language-models-are-few-shot-learners/): 更大的模型，更善於從上下文中誘發能力，附真實 Python 程式碼
- [OpenClaw 專題：生態分析 🦞](https://justinhuangai.github.io/zh-hant/posts/openclaw-ecosystem/): 從一個開源專案到一個完整的 AI 助手生態
- [論文共讀：《BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding》（BERT：用於語言理解的深度雙向 Transformer 預訓練）](https://justinhuangai.github.io/zh-hant/posts/bert/): 預訓練範式的確立，附真實 Python 程式碼
- [論文共讀：《Sequence to Sequence Learning with Neural Networks》（使用神經網路進行序列到序列學習）](https://justinhuangai.github.io/zh-hant/posts/sequence-to-sequence-learning-with-neural-networks/): 編碼器-解碼器範式的確立，附真實 Python 程式碼
- [Clawdbot：一個值得關注的去中心化 AI 開源專案](https://justinhuangai.github.io/zh-hant/posts/clawdbot/): 一個把所有聊天渠道接入 AI Agent 的自託管平台
- [論文共讀：《Neural Machine Translation by Jointly Learning to Align and Translate》（通過聯合學習對齊與翻譯實現神經機器翻譯）](https://justinhuangai.github.io/zh-hant/posts/neural-machine-translation-by-jointly-learning-to-align-and-translate/): 注意力機制的起源，附真實 Python 程式碼
- [論文共讀：《Attention Is All You Need》（注意力就是你所需要的全部）](https://justinhuangai.github.io/zh-hant/posts/attention-is-all-you-need/): 分享我對 Transformer 論文的理解，附真實 Python 程式碼
- [👋 你好，世界](https://justinhuangai.github.io/zh-hant/posts/hello-world/): 歡迎來到 Astro-Theme-Aither——一個相信文字本身就很美的 AI 原生 Astro 主題。