大模型不会解释自己，人得替它推。

这里只谈模型怎么算：推理怎么跑、训练怎么收敛、数学上为什么成立、算力花在了哪。不追发布会通稿，只追「它凭什么这么算」。

为什么叫深推

inference 是模型把输入算成输出的那一步：很多层矩阵乘法、归一化和采样叠在一起。它不神秘，但也没法靠背结论学会。推是这件事的中文说法，深是要求——不接受「反正能跑」，要一直问到「为什么是这一层、这一步、这个数」。

我们谈什么

• 推理 — 量化、KV cache、批处理、投机解码，吞吐与延迟怎么取舍
• 训练 — 预训练、微调、对齐、数据配比与 scaling law
• 数学 — 线性代数、概率、优化、信息论；先看得懂公式，再谈直觉
• 算力 — GPU、互联、显存、散热，以及成本表上的每一分钱
• 应用 — Agent、RAG、工具调用，能跑起来、能量出来才算数

我们欢迎

• 高质量、有信息增量的内容：经验、数据、跑出来的数字
• 友好、具体、有依据的讨论
• 认真提出的疑问，和认真写出的回答

我们不欢迎

• 灌水与无信息量的内容
• 商业推广与引流
• 钓鱼引战、人身攻击

信息结构

分区按技术栈开——推理、训练、数学、算力、应用。开多少个、叫什么名字，看讨论实际长成什么样再定，不预先摆一排空房间。

帖子用标签做细分类；首页排序由「算法（时间 × 反馈）+ AI 质量信号 + 人工置顶与权重」共同决定；起步阶段以人工管控为主。

内容治理

新帖会经过 AI（jev 模型）的意图与质量评估，疑似灌水、推广、引战的内容会进入人工复核队列，由管理员处理。社区数据仅用于改进排序，不用于广告。