📚 视频知识库
📹
AI 要跨越盧比孔河了嗎？自我成長的 AI 離我們多遠？
📹
Harness Engineering：有時候語言模型不是不夠聰明，只是沒有人類好好引導
📹
加快語言模型生成速度 (1/2)：Flash Attention
📹
加快語言模型生成速度 (2/2)：KV Cache
📹
AI Agent (1/3)：核心技術 Context Engineering 基本概念解說
📹
AI Agent (2/3): AI Agent 之間可以有什麼樣的互動
📹
AI Agent (3/3): AI Agent 對於工作帶來的衝擊 - 以學術研究為例
📹
解剖小龍蝦 — 以 OpenClaw 為例介紹 AI Agent 的運作原理
📹
【生成式人工智慧與機器學習導論2025】第 10 講：語音語言模型發展史 (本課程前段內容為歷史回顧，2025 年的技術從 1:42:00 開始)
📹
【生成式人工智慧與機器學習導論2025】第 9 講：影像和聲音上的生成策略 — Diffusion/Flow-matching 系列和接龍 (Autoregressive) 這兩條世界線的交會
📹
【生成式人工智慧與機器學習導論2025】第 8 講：通用模型的終身學習 (Fine-tuning, Model Editing, Model Merging, Test-Time Training)
📹
【生成式人工智慧與機器學習導論2025】第 6 講：一堂課搞懂訓練類神經網路的各種訣竅
📹
【生成式人工智慧與機器學習導論2025】第 5 講：一堂課搞懂機器學習與深度學習的基本原理 (案例：老師什麼時候要下課)
📹
【生成式人工智慧與機器學習導論2025】第 4 講：評估生成式人工智慧能力時可能遇到的各種坑
📹
【生成式人工智慧與機器學習導論2025】第１講：一堂課搞懂生成式人工智慧的原理
📹
【生成式人工智慧與機器學習導論2025】第０講：開場與課程簡介
📹
【生成式AI時代下的機器學習(2025)】第七講：DeepSeek-R1 這類大型語言模型是如何進行「深度思考」（Reasoning）的？
📹
【生成式AI時代下的機器學習(2025)】第三講：AI 的腦科學 — 語言模型內部運作機制剖析 (解析單一神經元到整群神經元的運作機制、如何讓語言模型說出自己的內心世界)
📹
【生成式AI時代下的機器學習(2025)】第二講：一堂課搞懂 AI Agent 的原理 (AI如何透過經驗調整行為、使用工具和做計劃)