文档摘要

第 6 章 机器学习 机器学习是整个 AI 领域的核心方法论——它让计算机从数据中自己学会规律，而不是被人一条条写死规则。本章从最朴素的朴素贝叶斯、决策树一路讲到深度学习里的 Transformer、强化学习里的 PPO/RLHF，再到把模型训到数千 GPU 上的分布式技术，让你既能看懂论文里的损失函数，也能理解 GPT 这类大模型是怎么被训练出来的。 本章简介 如果说前五章是数学的地基，那么本章就是在这块地基上盖起的整栋大楼。机器学习把线性代数、微积分、概率论和信息论这些工具拧成一股绳，去解决一个核心问题：怎样让模型从数据里学到有用的模式，并在新数据上泛化得足够好。 本章有五条主线。

---