AI 核心原理解释器：Transformer & RLHF
基于 Remotion 与代码动画打造的黑底科技 MG 解释器，逐帧拆解自注意力机制（Self-Attention）、RLHF 与思维链推理。
项目背景
复杂的深度学习概念（如多头注意力机制、PPO 策略优化、Token 采样温度）往往晦涩难懂，纯文字和静态图表很难呈现“数据矩阵在多层网络中流动与变换”的动态美感。
本项目使用 Remotion（用 React 代码逐帧渲染视频） 技术栈，将复杂的 AI 底层数学与算法机制转换为具有电影感、节奏卡点与音效设计的动效科普讲解短片。
包含的系列模块
- Transformer 篇：从词嵌入（Embedding）、位置编码到 Q/K/V 点积注意力的矩阵几何投影；
- RLHF 篇：人类反馈偏好建模、奖励模型（Reward Model）打分与 KL 散度约束机制；
- Chain of Thought (CoT) 篇：思维链如何引导模型在隐空间内拓展搜索路径与分步推理。