update integrated version

main.tex

@@ -239,14 +239,31 @@
   \begin{tabular}{rl}
   \begin{tabular}{rl}
     % \textbf{教师：} & \teacher \\
     % \textbf{教师：} & \teacher \\
     % \textbf{学期：} & \semester \\
     % \textbf{学期：} & \semester \\
-    \textbf{单位：} & \school \\
-    \textbf{日期：} & \lessondate \\
+    % \textbf{单位：} & \school \\
+    % \textbf{日期：} & \lessondate \\
   \end{tabular}
   \end{tabular}
   \vspace*{1.2cm}
   \vspace*{1.2cm}
 \end{titlepage}
 \end{titlepage}
 
 
 \frontmatter
 \frontmatter
 \pagestyle{plain}
 \pagestyle{plain}
+\chapter*{前言}
+\addcontentsline{toc}{chapter}{前言}
+
+机器学习是人工智能领域最重要的基础技术之一，并已广泛应用于自然语言处理、计算机视觉、智能决策等诸多领域。近年来，以大语言模型为代表的生成式人工智能技术快速发展，机器学习的研究对象、方法体系和实现路径也随之发生了显著变化。机器学习已经不再局限于传统的有监督学习以及面向单一任务的模型训练，而是越来越关注大规模数据和计算资源条件下的复杂模型学习，以及模型在开放环境中的生成、推理、决策和交互能力。
+
+本书可以看作是在生成式人工智能时代对机器学习方法的一次重新梳理和介绍。与传统机器学习教材相比，本书不再以经典算法的系统介绍为主要目标，而是更加关注近年来生成式人工智能发展过程中形成的一系列重要方法和技术，包括大模型的训练与微调、深度强化学习、连续时间系统建模、多模态学习等。我们希望通过这些内容，使读者在掌握机器学习基本思想的基础上，进一步理解当前人工智能技术发展的主要方法体系及其背后的基本原理。
+
+本书的部分内容是在我们团队近年来研究和教学工作的基础上整理和发展而来的。在写作过程中，我们参考并吸收了团队此前发表的论文、书籍和技术资料，包括 \href{https://arxiv.org/abs/2501.09223}{\textit{Foundations of Large Language Models}} 和 \href{https://www.techrxiv.org/doi/full/10.36227/techrxiv.177160477.75893679/v1}{\textit{Ordinary Differential Equations in Vision and Language}} 等。在此基础上，本书又根据整体知识体系进行了重新组织，并补充了大量新的内容，希望能够较为完整地反映生成式人工智能背景下机器学习方法的发展脉络。
+
+本书面向对生成式人工智能及现代机器学习方法感兴趣的高年级本科生、研究生、研究人员以及工程技术人员。由于相关技术仍在快速发展，本书难免存在不足之处，也诚挚欢迎读者提出宝贵的意见和建议。
+
+\vspace{1em}
+\begin{flushright}
+肖桐\quad 王成龙
+\end{flushright}
+\cleardoublepage
+
 \tableofcontents
 \tableofcontents
 \cleardoublepage
 \cleardoublepage
 
 

section1/chapters/part1_ml_foundations.tex

 \chapter{机器学习数学基础与表示学习}
 \chapter{机器学习数学基础与表示学习}
-\chapterinfo{李天园、杨曦涵、肖桐}
+\chapterinfo[本章内容主要参考 \href{https://niutrans.github.io/NLPBook/}{\textit{NLPBook}} 第一、二章，部分内容翻译、整理自该书英文版]{李天园、杨曦涵、肖桐}
 
 
 \providecommand{\sourcefigureplaceholder}[2]{%
 \providecommand{\sourcefigureplaceholder}[2]{%
   \begin{figure}[htbp]
   \begin{figure}[htbp]

section3/chapter.tex

@@ -2,7 +2,8 @@
 % 第三章正文入口。
 % 第三章正文入口。
 
 
 \chapter{大模型预训练与微调方法}
 \chapter{大模型预训练与微调方法}
-\chapterinfo[\href{https://arxiv.org/abs/2501.09223}{\textit{Foundations of Large Language Models}}]{吴钰璋、王骏鑫、王成龙}
+% \chapterinfo[\href{https://arxiv.org/abs/2501.09223}{\textit{Foundations of Large Language Models}}]{吴钰璋、王骏鑫、王成龙}
+\chapterinfo[本章内容主要参考 \href{https://niutrans.github.io/NLPBook/}{\textit{NLPBook}} 第七、八、九、十章，部分内容翻译、整理自该书英文版]{吴钰璋、王骏鑫、王成龙}
 
 
 \input{section/3.0-introduction}
 \input{section/3.0-introduction}
 \input{section/3.1-pretraining}
 \input{section/3.1-pretraining}

section4/chapter.tex

@@ -2,7 +2,8 @@
 % 本文件由 section4/aml_notes_final.tex 抽取正文生成，保留章节目录独立性。
 % 本文件由 section4/aml_notes_final.tex 抽取正文生成，保留章节目录独立性。
 
 
 \chapter{深度学习中的连续动力学机制}
 \chapter{深度学习中的连续动力学机制}
-\chapterinfo[\href{https://www.techrxiv.org/doi/full/10.36227/techrxiv.177160477.75893679/v1}{\textit{Ordinary Differential Equations in Vision and Language}}]{张俊翔、叶凯阳、肖桐}
+% \chapterinfo[\href{https://www.techrxiv.org/doi/full/10.36227/techrxiv.177160477.75893679/v1}{\textit{Ordinary Differential Equations in Vision and Language}}]{张俊翔、叶凯阳、肖桐}
+\chapterinfo[本章内容主要参考 \href{https://www.techrxiv.org/doi/full/10.36227/techrxiv.177160477.75893679/v1}{\textit{Ordinary Differential Equations in Vision and Language}} ，部分内容翻译、整理自该书英文版]{张俊翔、叶凯阳、肖桐}
 
 
 \begin{learninggoals}
 \begin{learninggoals}
   \begin{itemize}
   \begin{itemize}