全面解析神经辐射场（NeRF）的核心原理，包括 5D 输入参数化、MLP 表征、体渲染积分、可微渲染训练流程，以及 Instant-NGP、Mip-NeRF 等重要改进。

深入解析参数高效微调（PEFT）技术。重点覆盖 LoRA 及其变体（QLoRA、DoRA、LoRA+、PiSSA），同时解析 Adapter、Prefix Tuning、Prompt Tuning 等主流方法。从数学原理出发，建立完整的理论框架，分析秩选择、模块配置、权重合并等工程实践。

全面解析 LLM 后训练（Post-Training）的完整技术栈。涵盖监督微调（SFT）、偏好对齐（RLHF/DPO/GRPO/KTO）、多阶段训练流水线、数据工程（质量过滤、格式设计、课程学习）、超参数调优、评估体系、以及 DeepSeek/ChangGPT 等主流模型的训练实践。

从 TRPO 到 PPO 的演进、信赖域优化理论、GAE 优势估计、Clip 机制数学推导、KL 约束变体、PPO 用于 LLM 对齐的完整实现，以及训练稳定性、超参数调优与常见失败模式的系统性分析。

深入解析大语言模型的偏好对齐技术。涵盖 RLHF（PPO）、DPO、GRPO、KTO、IPO、SimPO 等主流算法，从 Bradley-Terry 偏好模型出发，建立完整的理论框架，分析各方法的优缺点、收敛性、对齐税问题，以及工程实践中的数据构建、Reward Hacking 应对策略。

全面解析大模型预训练策略，包括训练目标、数据工程、tokenizer、分布式训练、Scaling Laws、超参数调优及最新研究进展。

深入解析 QLoRA（Quantized Low-Rank Adaptation）技术。涵盖 NF4 量化原理、双重量化、分页优化器、显存计算，以及 Guanaco 系列模型的技术细节与训练实践。

深入解析大模型量化与压缩技术。涵盖 INT8/INT4 量化原理、GPTQ 训练后量化、AWQ 激活感知量化、GGUF/llama.cpp 实现，以及量化带来的性能损失分析与最佳实践。

全面解析 ReAct (Reasoning + Acting) 模式，包括其核心机制、工具调用集成、Agent 系统设计，以及与 CoT、Reflexion、AutoGPT 等模式的关系。

深入解析 RL 和 LLM 对齐中的 Reward Hacking 问题。涵盖 Goodhart's Law、Reward Hacking 的数学形式化、表现形式（长度作弊/格式填充/RM过拟合）、检测方法（分布分析/对抗测试/人类评估）、防御策略（KL约束/多样性正则/混合奖励/红队测试），以及工程实践中的监控与迭代。