解构大语言模型

这本书最鲜明的立场，是坚持用一条贯穿始终的'线性模型'主线去拆解当代大语言模型。在多数同类书急于介绍Transformer、注意力机制等最新结构时，作者唐亘反而从线性回归一路走到前沿，把多层感知器、卷积、循环网络乃至反向传播、迁移学习、强化学习都纳入同一套推导框架，让读者看清'今天的模型究竟是从哪里长出来的'。这种写法带来的直接收益是脉络感：技术演进的来龙去脉清晰可辨，而非零散知识点的堆砌。但代价也同样明显——它偏硬核，矩阵、马尔可夫链等数学基础需要读者补功，工程属性强到'有些内容要查资料才能消化'。因此它更适合作为有数学底子、想打通原理的计算机专业学习者或进阶读者，而非速成的入门科普。

唐亘，数据科学家，专注于人工智能和大数据，积极参与Apache Spark、scikit-learn等开源项目，曾为华为、复旦大学等多家机构提供过百余场技术培训。曾撰写《精通数据科学：从线性回归到深度学习》一书，并担任英国最大在线出版社Packt的技术审稿人。毕业于复旦大学，获数学和计算机双学士学位，后求学于巴黎综合理工学院，获经济学和数据科学双硕士学位。