Understanding Machine Learning: From Theory to Algorithms
本书阐述了机器学习的基础理论、核心算法及数学推导,涵盖 PAC 学习、VC 维、线性预测器、Boosting 等关键内容,兼顾理论严谨性与实用性,适用于高等本科或研究生课程及相关领域研究者。

全书内容涵盖了从 Agent 基础认知、技术架构到具体业务落地及工程化实践的全流程。书中详尽介绍了龙猫大模型 5600 亿参数的混合专家架构(MoE),以及如何通过“零计算专家机制”等创新技术提升推理效率。在应用层面,手册深度剖析了外卖智能调度、骑手智能助手、到店搜索推荐及酒旅行程规划等核心场景的 Agent 实现路径,并分享了应对模型幻觉、响应延迟等前沿问题的避坑指南。此外,手册还前瞻性地规划了 2025-2027 年的技术路线图,强调了多模态交互升级与绿色 AI 的发展方向。这不仅是美团内部的技术总结,也为行业提供了大模型 Agent 从理论走向规模化生产环境的权威参考指南。