Hello, World

2026-09-29metaastro

Hello, world! 👋

这是 weipan.dev 的第一篇文章。以后这里会放一些关于自动驾驶、世界模型和强化学习的文章,以及读论文时整理的笔记(见 论文笔记)。

公式

行内公式:注意力的缩放因子是 1/dk1/\sqrt{d_k}。

独立公式:

Attention⁡(Q,K,V)=softmax⁡ ⁣(QK⊤dk)V\operatorname{Attention}(Q, K, V) = \operatorname{softmax}\!\left(\frac{QK^\top}{\sqrt{d_k}}\right) V

强化学习里的 Bellman 方程:

Vπ(s)=Ea∼π(⋅∣s)[r(s,a)+γ Es′∼P(⋅∣s,a)Vπ(s′)]V^\pi(s) = \mathbb{E}_{a \sim \pi(\cdot \mid s)}\Big[ r(s, a) + \gamma \, \mathbb{E}_{s' \sim P(\cdot \mid s, a)} V^\pi(s') \Big]

代码

import torch

def scaled_dot_product_attention(q, k, v):
    scores = q @ k.transpose(-2, -1) / q.shape[-1] ** 0.5
    return scores.softmax(dim=-1) @ v

print("Hello, world!")
const greet = (name: string) => `Hello, ${name}!`;
console.log(greet('world'));

图片

博客配色:米色底,琥珀、绿、紫三色点缀

其他

引用块长这样。

项目选择
生成器Astro
托管Cloudflare Workers
公式KaTeX