侯瑞哲的博客

CPU 的资源模型是为了让一件事做得尽可能快：缓存层级（为什么访问 L1 和访问内存差 200 倍）、Cache Line 与空间局部性、超线程的本质与限制、NUMA 架构对多路服务器的影响。后端工程师需要知道的 CPU 知识，不是如何设计 CPU，而是 CPU 的限制如何影响你的代码。

推理时计算（Test-Time Compute）：过去扩展模型靠参数量，现在发现让同一个模型「想更久」同样能大幅提升效果。Chain of Thought 为什么有效、多路探索与最优选择、验证比生成容易这一核心非对称性、过程奖励模型（PRM）如何评估推理步骤、o1 和 DeepSeek-R1 的实现思路，以及代价与适用场景。

学 Zig 的实用路线：需要什么基础、按什么顺序看哪些资源、三个最值得花时间的核心概念（分配器/comptime/错误处理）各用什么方式学、做什么项目练手、卡住了去哪找答案。给从 Java/Python/Go 背景来学 Zig 的人写的。

AI 自己训练自己的核心问题是：监督信号从哪来？五种具体实现路径——自监督学习（BERT/GPT 如何从数据本身提取标注）、自博弈（AlphaZero 如何用对弈结果训练自己）、合成数据（强模型给弱模型生成训练样本）、RLAIF（用 AI 代替人类打分）、STaR 迭代自我精炼。每种路径的训练循环是什么样的。