《Born》附录D：参考文献

本附录列出全书引用的技术论文、标准文档和开源项目。

深度学习基础

1. LeCun et al. (1998). Gradient-based learning applied to document recognition. Proc. IEEE. — MNIST 和 LeNet-5
2. Kingma & Ba (2015). Adam: A method for stochastic optimization. ICLR. — Adam 优化器
3. Ioffe & Szegedy (2015). Batch normalization. ICML. — 批归一化

Transformer 与大语言模型

4. Vaswani et al. (2017). Attention is all you need. NeurIPS. — Transformer
5. Touvron et al. (2023). LLaMA: Open and efficient foundation language models. Meta AI. — LLaMA 架构
6. Su et al. (2021). RoFormer: Enhanced transformer with rotary position embedding. — RoPE

推理优化

7. Dao et al. (2022). FlashAttention: Fast and memory-efficient exact attention. NeurIPS. — Flash Attention
8. Pope et al. (2023). Efficiently scaling transformer inference. — KV-Cache 分析

模型格式

9. ONNX (2017–present). https://onnx.ai/ — 开放神经网络交换格式
10. Gerganov (2023). GGUF format specification. llama.cpp. — GGUF 格式

GPU 计算

11. W3C (2023). WebGPU Specification. https://www.w3.org/TR/webgpu/ — WebGPU 标准

相关框架

12. Burn (2023–present). https://burn.dev/ — Rust 深度学习框架，Born 的设计灵感
13. Gorgonia (2016–present). https://gorgonia.org/ — Go 早期深度学习尝试
14. llama.cpp (2023–present). https://github.com/ggerganov/llama.cpp — C++ LLM 推理引擎

在线资源

📘 《Born》连载技术书，附录 D/4。

全书 22 章 + 4 附录至此全部发布完毕。感谢阅读！