主题：Meta AI DINOv3 视觉基础模型（技术报告 arXiv:2508.10104v1，2025-08-13，全文 67 页：正文 §1–§10 至 p.37、References 自 p.38 起、附录至 p.67）。
目标读者：想理解「DINOv3 为什么强、每个设计选择背后的道理」的研究者。
组织原则：每个创新点都按 动机（解决什么问题）→ 机制（为什么这样做有效）→ 具体做法 → 实验证据（精确数字）→ 消融结论 → 局限 展开。

页数出处：dinov3_paper_clean.txt 的 PDF 页标为 PAGE 1–PAGE 67；§10 Conclusion（clean L3305）落在 PAGE 37（该页页脚为 37），PAGE 38 起为 References（clean L3334）。「14 页」在资料中查不到，系把 arXiv 页面的文件体积 14,591 KB（dinov3_arxiv_abs.txt L29）误当页数（sources/MANIFEST.md 第 9 行沿用了同一错数；notes/round1_review.md 第 16 行已指出其为错）。

写给「会一点 PyTorch、但完全没接触过 DINOv3」的工程师和学生。
目标：从「不知道 DINOv3 是什么」，走到「能把它跑起来、能放进自己的项目里」。

---

怎么读这份教程

• 时间紧：只读 第 1、3、4、11 章，你就能跑起来并知道怎么用。
• 还没拿到权重授权：直接看 §3.7（随机初始化就能把环境与形状跑通）和 FAQ 第 31 条（替代路径）。
• 要做项目：第 5、6 章是核心；第 10 章帮你省掉大量踩坑时间。
• 用卷积（ConvNeXt）：见 §6.7；要零样本/开放词表：见 §6.8；要复现官方指标：见 §6.9。
• 想搞懂原理：第 9 章用大白话讲，不追求数学严格。
• 要自己训练：第 8 章逐段讲配置文件和启动命令。
• 名词太多：先看 第 13 章术语表，或各章开头的「术语小抄」；非专业读者可先看 §13.6 按章小抄（每章一句话 + 该章最该记住的数字）。
• 想先看图：全书关键机制都配了论文插图（见 §12.6 插图清单）和文字版结构示意（§4.1、§4.3、§8.2.0、§9.2、§9.5、§9.6）；第 1 章的 图 1-1 是全篇动机图，先看它最快建立直觉。

对象：Meta AI 的 DINOv3 视觉基础模型族（技术报告 arXiv:2508.10104v1，2025-08-13）。
目标读者：希望彻底搞清 DINOv3 每个模型的规模、架构与训练超参的工程师与研究者。
数据纪律：本报告全部数字均取自本地资料文件，逐条标注来源；凡资料未给出者一律写「资料未给出」，不做推算或臆造。来源图例见 §12。
特别声明：sources/hf_facebook_dinov3-*_config.json 是 HuggingFace gated 模型返回的 401 错误页（每份仅 148–156 字节），不是真实 config，全文任何位置均不引用。
排版风险提示：dinov3_paper.txt（pdftotext -layout 版）的 Table 20 与 Figure 16 数值列存在错位；本报告以双栏重排的 dinov3_paper_clean.txt 为准，并在关键处用另一版与源码交叉校验。dinov3_paper_clean.txt 经 wc -l 实测为 6030 行（MANIFEST.md 里写的 5897 行是旧值，本报告不再沿用）。