第103章 论文阅读（2/2）

是时候输出了。

他决定把笔记整理成系列技术博客。目的有三：一是巩固学习成果，费曼学习法强调“教是最好的学”；二是构建个人技术品牌，为求职增加筹码；三是或许能获得反馈，甚至结识同行。

平台选择知乎。那里技术氛围相对浓厚，也有不少从业者和研究者活跃。

第一篇博客，他选择了自己理解最透、也觉得最有意思的MoE架构。标题斟酌良久，最后定为：《从“自助餐厅”到万亿参数：深入浅出理解MoE（MixtureofExperts）架构》。他没有直接堆砌论文公式和图表，而是从“为什么需要MoE”（大模型规模与计算成本的矛盾）这个根本问题出发，用自己那个“自助餐厅”的比喻贯穿全文，逐步引入路由机制、负载均衡、专家网络等核心概念，最后结合论文中的关键实验结果，讨论其优劣与适用场景。文末，他附上了自己阅读的那篇核心论文以及其他几篇重要参考文献的链接。

写博客又是另一重考验。需要把艰深的技术用通俗而不失准确的语言表达出来，逻辑要清晰，节奏要把握好。他反复修改了三四遍，直到自己读起来觉得顺畅明白，才在某个周二晚上，点击了发布。

发布后，他有些忐忑地刷新了几次页面，只有零星几个阅读。他自嘲地笑了笑，关掉网页，继续去读下一篇关于扩散模型理论基础的论文。这才是主业，博客只是副产品。

然而，两天后的下午，当他完成另一篇关于注意力机制各种高效变体（Lear、Fsh、FshAttention-2等）的博客草稿，准备上传时，顺手点开了知乎后台。

他愣住了。

那篇MoE博客的阅读量显示：2.3万。点赞数：487。收藏数：312。评论：89条。

他心跳微微加速，点开评论。

前排高赞评论是：“比喻精妙！终于把MoE看懂了，之前读论文云里雾里。感谢作者”！“干货满满，梳理得很清晰，特别是负载均衡那块，比原论文讲得还明白”。“博主是不是业内人士？理解很深啊”。“求更新这个系列！期待下一篇”！

也有挑刺和深入讨论的：“关于专家容量（ExpertCapacity）的公式推导，博主简化了一些条件，实际论文里考虑了溢出（overflow）处理，这里可以补充一下”。“MoE在推理时的延迟问题，博主提到但没展开，这部分其实很关键，特别是在追求低延迟的应用场景”。“最近有篇新论文提出了更细粒度的MoE变体，可以关注一下”。

林晨一条条仔细看着，尤其是那些指出不足或提出深入问题的评论，他不仅看，还认真回复。对于公式推导简化的指正，他承认并表示感谢，承诺在博客里加个注脚说明；对于推理延迟问题，他回复说这确实是MoE的挑战之一，并简要提到了几篇针对该问题优化的论文方向。

这种纯粹的技术交流让他感到久违的愉悦。不再是跨境电商群里无休止的扯皮和推诿，也不是失业初期那些泛泛的安慰或打听，而是围绕具体技术点，有来有往，相互启发。他甚至通过评论区，和一个似乎是在读博士的用户简单讨论了几句关于路由网络梯度稳定性的最新方法，对方分享了一篇刚挂在arXiv上的新预印本，林晨如获至宝。

晚上，苏婉批改完作业出来，看到林晨对着电脑屏幕，脸上带着一种专注而柔和的笑意，手指在键盘上敲打着，像是在进行愉快的对话。

“这么高兴？投资系统又赚了”？苏婉走过来，把手搭在他肩上。

“不是钱的事”。林晨侧头笑了笑，指着屏幕，“你看，我写的技术文章，有人看，有人讨论，还有人给我提建议。感觉……像是摸到了那个圈子的边儿”。

苏婉俯身看了看那些评论，虽然看不太懂具体技术内容，但那种积极、专业的氛围她能感受到。“真好”。她由衷地说，“我就说你有真本事。这下更有信心了吧”？

“嗯”。林晨握住她的手，“路还长，但方向好像更亮了”。

他新建了一个文件夹，命名为“Blog_Series_AI_Papers”，把第一篇博客的源文件和收集到的反馈都放了进去。然后，他将那篇关于注意力机制变体的博客精心修改后，再次发布。

这一次，他心态平和了许多。他知道，持续输出有价值的内容，本身就是最好的积累。这些博客，连同他的Mi-GPT项目代码、论文阅读笔记，都将成为他技术履历中扎实的一部分。

夜深了，鹏城的灯火在雨后的夜空中格外璀璨。林晨最后刷新了一下知乎后台，新博客的阅读数正在稳步上升。同时，他注意到有一条未读的私信，来自一个ID他有些眼熟、似乎在某篇论文作者列表中见过的用户。

私信标题只有两个字：“请教”。