https://www.caokailun.xyz/ Recent content on Cao Kailun Hugo zh-cn Thu, 18 Jun 2026 02:54:25 +0800 https://www.caokailun.xyz/posts/2026061801-history-ai/ Thu, 18 Jun 2026 02:54:25 +0800 https://www.caokailun.xyz/posts/2026061801-history-ai/ <p>历史充满了迷雾和评价，但是对于历史的解释始终充满了无尽的变量， 我将把“历史解释问题”往“复杂系统的可控性问题”推进一步。 将历史、AI安全及复杂系统做一个同构性分析 —— <strong>“结构同构映射”</strong>。</p> https://www.caokailun.xyz/posts/self-summary-20260614/ Mon, 15 Jun 2026 00:11:10 +0800 https://www.caokailun.xyz/posts/self-summary-20260614/ <p>人生是一场旅途！</p> https://www.caokailun.xyz/posts/english-study-plan-20260614/ Sun, 14 Jun 2026 22:00:40 +0800 https://www.caokailun.xyz/posts/english-study-plan-20260614/ <p>结合我<strong>学业+科研为主、英语为辅</strong>的现状，这份计划分<strong>每日固定任务、分阶段目标、不同忙碌程度适配方案</strong>，内容清晰、即看即用，兼顾学术应用与综合能力，全程不占用主业大块时间。</p> https://www.caokailun.xyz/posts/from-vector-space-to-matrix/ Sat, 13 Jun 2026 11:06:52 +0800 https://www.caokailun.xyz/posts/from-vector-space-to-matrix/ <p>学过线性代数的人，大多都见过矩阵，也做过大量矩阵计算，却未必真正理解矩阵到底代表什么。事实上，矩阵并不只是一个由数字排列成的表格，它更深层的意义是：描述一个向量空间到另一个向量空间之间的线性映射。本文将从向量空间出发，沿着“线性变换如何被表示”的主线，理解为什么矩阵本质上是线性映射在一组基下的具体表达。</p> https://www.caokailun.xyz/posts/from-field-to-vector-space/ Sat, 13 Jun 2026 10:55:33 +0800 https://www.caokailun.xyz/posts/from-field-to-vector-space/ <p>学过线性代数的人，大多都见过“向量空间定义在某个域上”这句话，却未必理解为什么必须是域，而不是整数或自然数。事实上，线性代数的核心并不只是计算向量、矩阵和行列式，而是研究线性关系如何被稳定地表示、变换和求解；为了保证这些操作不会因缺少逆元、无法除法或规则不完备而失效，就必须依托一个足够自洽的基础数系，而这个数系正是域。</p> https://www.caokailun.xyz/posts/abstract-algebra-main-line/ Sat, 13 Jun 2026 02:00:00 +0800 https://www.caokailun.xyz/posts/abstract-algebra-main-line/ <p>很多人初学群、环、域时，会疑惑这些抽象定义究竟从何而来。其实，抽象代数并不是凭空制造概念，而是在研究“一个集合配备某些运算后，会因不同运算规律形成怎样的结构”。本文将从最基础的运算出发，沿着群、环、域到有限域的主线，逐步理解这些代数结构的形成逻辑。</p> https://www.caokailun.xyz/posts/2026-06-13-01-html-json/ Sat, 13 Jun 2026 01:10:31 +0800 https://www.caokailun.xyz/posts/2026-06-13-01-html-json/ <p>Web的核心始终是“数据如何在浏览器与服务器之间流动”。从早期HTML整页刷新，到Ajax引入的异步请求，再到JSON成为事实标准，以及Fetch API推动的现代前端开发模式，整个通信体系经历了结构性的演化。</p> https://www.caokailun.xyz/posts/2026-06-10-ckks-homomorphic-encryption/ Wed, 10 Jun 2026 13:12:42 +0800 https://www.caokailun.xyz/posts/2026-06-10-ckks-homomorphic-encryption/ <p>全同态加密（FHE）被誉为“密码学的圣杯”。不同于 BGV 或 BFV 方案死磕<strong>精确整数计算</strong>，CKKS 方案另辟蹊径，完美支持了<strong>近似浮点数运算</strong>。这一特性让它在隐私保护机器学习（PPML）领域大放异彩。本文将带你扒开公式的外衣，从数学基础到算法全流程，彻底搞懂 CKKS 的底层逻辑。</p> https://www.caokailun.xyz/posts/2026-06-09-01-my-diary/ Tue, 09 Jun 2026 04:20:52 +0800 https://www.caokailun.xyz/posts/2026-06-09-01-my-diary/ <p>关于失眠，我是这么说</p> https://www.caokailun.xyz/posts/2026-06-09-formula-demo/ Tue, 09 Jun 2026 02:44:31 +0800 https://www.caokailun.xyz/posts/2026-06-09-formula-demo/ <p>这是一篇专门用来<strong>测试和展示 LaTeX 公式效果</strong>的博客。</p> <p>如果你的博客已经启用了数学渲染，那么下面这些公式应该会被漂亮地渲染出来。</p> https://www.caokailun.xyz/posts/2026-06-09-the-match-kernel-in-self-attention/ Tue, 09 Jun 2026 02:24:01 +0800 https://www.caokailun.xyz/posts/2026-06-09-the-match-kernel-in-self-attention/ <p>如果你已经知道 Self-Attention 的核心任务，是在一个序列内部判断“谁和谁更相关”，那么接下来最重要的问题就是：</p> <blockquote> <p><strong>这种“相关性”到底是怎么计算出来的？</strong></p> </blockquote> <p>很多人在第一次看到 Attention 公式时，都会把重点放在 softmax、矩阵乘法或者最后的加权求和上。但从建模角度来看，真正决定“谁该被关注”的，是前面那一步<strong>匹配函数（matching function）</strong>，也可以理解为注意力里的某种<strong>匹配核（match kernel）</strong>。</p> <p><strong>本文会先从直觉解释匹配核，再用点积、缩放和 softmax 这三个层次，把 Self-Attention 的打分机制拆开。</strong></p> https://www.caokailun.xyz/posts/2026-06-09-what-is-transformer-and-self-attention/ Tue, 09 Jun 2026 02:17:51 +0800 https://www.caokailun.xyz/posts/2026-06-09-what-is-transformer-and-self-attention/ <p>如果你最近在关注大模型、ChatGPT、文本生成或者多模态 AI，几乎一定会反复看到两个词：<strong>Transformer</strong> 和 <strong>Self-Attention</strong>。</p> <p>很多人第一次接触这两个概念时，常常会觉得它们非常“学术”，像是只有论文研究者才需要理解的内容。但实际上，今天几乎所有主流大模型——无论是聊天、写作、翻译、代码生成，还是图像与文本结合的多模态系统——背后都深深建立在这套机制之上。</p> <p><strong>如果说大模型是今天 AI 爆发的结果，那么 Transformer 和 Self-Attention，就是支撑这场爆发最重要的底层方法之一。</strong></p> <p>本文会先从 Transformer 的整体结构讲起，再把 Self-Attention 机制拆开说明，最后解释它为什么能成为现代大模型的核心基础。</p> https://www.caokailun.xyz/posts/2026-06-09-what-is-rag/ Tue, 09 Jun 2026 02:07:04 +0800 https://www.caokailun.xyz/posts/2026-06-09-what-is-rag/ <p>如果你最近在关注大模型、知识库问答、企业 AI 助手，几乎一定会看到一个高频词：<strong>RAG</strong>。</p> <p>很多人第一次听到这个概念时，都会把它理解成“让模型联网搜索”或者“给 AI 接一个向量数据库”。这些理解不能说完全错误，但都只说对了一部分。</p> <p><strong>RAG 的核心，不是单纯“检索”，而是让大模型在生成回答之前，先从外部知识中找到更相关的信息，再结合这些信息进行回答。</strong></p> https://www.caokailun.xyz/posts/2026-06-08-my-new-blog/ Mon, 08 Jun 2026 21:55:30 +0800 https://www.caokailun.xyz/posts/2026-06-08-my-new-blog/ <p>如果你最近在关注大模型、自动化助手和智能应用，几乎一定会听到一个高频词：<strong>AI Agent</strong>。</p> <p>很多人第一次接触这个概念时，会把它简单理解成“更聪明一点的聊天机器人”或者“会自动执行任务的大模型”。这些理解不能说完全错误，但都还没有真正抓住 Agent 的核心。</p> <p><strong>AI Agent 的关键，不只是会回答问题，而是能够围绕目标进行理解、规划、执行和反馈。</strong></p> https://www.caokailun.xyz/posts/hello/ Mon, 08 Jun 2026 21:29:25 +0800 https://www.caokailun.xyz/posts/hello/ <h2 id="第一篇博客">第一篇博客</h2> <p>这是我的第一篇技术博客，只是用于测试。</p> https://www.caokailun.xyz/about/ Mon, 01 Jan 0001 00:00:00 +0000 https://www.caokailun.xyz/about/ <h2 id="个人简介">个人简介</h2> <p>你好，我是 <strong>曹凯伦</strong> <strong>Cao Kailun</strong>，就读于 <strong>北京交通大学</strong>。</p> <p>本科专业为 <strong>信息安全</strong></p> <p>硕士研究生专业为 <strong>网络空间安全</strong></p> <h2 id="研究方向">研究方向</h2> <ul> <li>AI Security</li> <li>Agent Safety Evaluation</li> <li>Malware Detection</li> <li>Concept Drift Learning</li> <li>Few-shot Learning</li> </ul> <h2 id="当前主要研究">当前主要研究</h2> <p>目前主要研究 <strong>智能体安全评测系统</strong> 与 <strong>Android 恶意软件概念漂移检测</strong>。</p> <h2 id="联系方式">联系方式</h2> <ul> <li>Email：<a href="mailto:karenxindongle@126.com">karenxindongle@126.com</a></li> <li>GitHub：<a href="https://github.com/3klxi">https://github.com/3klxi</a></li> </ul>