课程代码库
Transformer · MoE · RAG · ARP Scanner
本科实训与实验课的实现代码：PyTorch 从零搭的 Transformer 与混合专家、 LangChain 检索增强流水线、C++/Qt 的 ARP 扫描器。文件可直接打开阅读。
英文左栏、中文右栏逐段配对，可切换到仅中文阅读；段落顺序与编号严格跟随原文。
绿色讲背景与直觉，蓝色讲符号、公式条件与原文疑点；译注与作者原文分开标识。
每段都带原 PDF 页码链接，随时对照；公式用随附的本地 MathJax 排版，可离线阅读。
Transformer · MoE · RAG · ARP Scanner
本科实训与实验课的实现代码：PyTorch 从零搭的 Transformer 与混合专家、 LangChain 检索增强流水线、C++/Qt 的 ARP 扫描器。文件可直接打开阅读。
Study Notes
把代码里的做法拆成可复用的知识：每节先讲那个模块在解决什么问题， 再对照实现逐行读，最后记录调过的坑。含大模型与网络安全两条线。
An Online Auction Framework for Dynamic Resource Provisioning in Cloud Computing
把云资源的动态供给建模成在线组合拍卖：卖家离线到达、买家在线到达。用原始对偶把 LP 分解成可增量求解的子问题，得到竞争比约 3.30 的在线机制。数学强化版在逐段对照之上加了导读、数学基础工具箱（对偶、椭球法与分离预言机、竞争比结构）和一份 15 条批判存疑清单，逐条标出原文的排印错误与论证缝隙。
Eris: An Online Auction for Scheduling Unbiased Distributed Learning Over Edge Networks
为边缘网络上的无偏分布式学习调度设计在线拍卖机制，在保证参与方激励相容的同时优化社会福利与资源利用率。含 11 张原文图与实验复现。
Serving Long-Context LLMs at the Mobile Edge: Test-Time Reinforcement Learning-Based Model Caching and Inference Offloading
移动边缘场景下如何服务长上下文 LLM：联合决策模型缓存与推理卸载，用测试时强化学习在线适配。这篇的译者注最多，公式条件与原文疑点都单独标了出来。
Cached Model-as-a-Resource: Provisioning Large Language Model Agents for Edge Intelligence in Space-Air-Ground Integrated Networks
提出「cached model-as-a-resource」概念，面向空天地一体化网络供给 LLM 智能体，建立联合模型缓存与推理的优化框架，并用 DQMSB 拍卖分解求解。
Toward Market-Assisted AI: Cloud Inference for Streamed Data via Model Ensembles From Auctions
用拍卖挑选模型集成来服务流式数据的云端推理，在时延与精度之间做市场化的资源配置。含 5 段算法伪代码的手算例；原文算法 2 与定理 3、4 的印刷缺陷已逐条登记，未代作者修正。
Edge AI Inference as a Service via Dynamic Resources From Repeated Auctions
用重复拍卖把边缘 AI 推理做成服务，逐段拆解预算压力变量 x、参数 γ 与投标更新机制的引理推导。「阅读时应保留的边界」一节明确标出了式(14) 的加性项问题与两套不同基准，另有 4 条原文疑点已登记未代作者修正。
课程专区放了 9 个实训项目与 2 门学习笔记， 源码文件可直接在浏览器里读，笔记按「问题 → 实现 → 坑」三段展开。