標籤: AI
此標籤的文章
- 2025/2026 當代大型語言模型架構深度解析:從 DeepSeek V3 到 Llama 4
探討 DeepSeek V3、Llama 4、Gemma 3 與 Kimi K2 等最新 LLM 架構的關鍵技術,包含 MLA、MoE 與滑動視窗注意力機制的工程實踐。
- Siri AI 實測體驗:它對我們使用 iPhone 日常方式的影響與實務判斷
深度解析 The Verge 對 iOS 27 首個公測版 (Public Beta) 中 Siri AI 的一手評測。從全新的螢幕感知能力、行事曆智慧解析,到開發者必須實作的 Entities 與 Intents 架構,全面剖析 Apple 語音智能的未來。
- GPT-Live 語音架構解析:全雙工互動、模型委派與 API 邊界
釐清 OpenAI GPT-Live 在 ChatGPT Voice 的全雙工與背景委派架構、它和 Realtime API 的產品邊界,以及語音系統上線前應驗證的失敗模式。
- Meta 發表 Muse Spark:邁向「個人超級智慧」的新世代 AI 模型架構與實務判斷
Meta Superintelligence Labs 推出首款模型:Muse Spark。全面剖析其原生多模態推理機制、引發熱議的「沉思模式 (Contemplating Mode)」背後的測試期運算架構,以及在健康醫療領域的 RLHF 實踐。
- Meta Muse Image 是什麼?Agentic 圖像生成、可用範圍與工程限制
依 Meta 官方技術資料解析 Muse Image 的搜尋、程式工具、自我修正與 test-time compute,並釐清產品 availability、評測證據與導入限制。
- Kaggle Titanic:從 0.74 到 0.816,特徵工程比調參重要
鐵達尼號生存預測競賽的完整實戰紀錄:漸進式特徵工程、CatBoost 與 RF 集成、CV 與 Public LB 脫鉤、嚴格 notebook 移植,以及何時該停手。最終 Public LB 0.81578。
- GraphRAG 深度解析:如何利用知識圖譜打造更聰明的 AI 檢索工作流?
探討 QCon AI 中 Cassie Shum 的演講精華。從底層解析 GraphRAG 如何透過全局脈絡 (Global Context)、多步推論 (Multi-hop Reasoning) 與 Cypher 查詢解決企業級 RAG 痛點,並附上具體的架構實踐。
- Nano Banana 2 Lite 與 Gemini Omni Flash:影像與影片生成的架構與影響
深入解析 Google 最新發布的 Nano Banana 2 Lite 圖像模型與 Gemini Omni Flash 影片生成編輯模型,探索它們如何以極致的速度、成本效益以及多模態整合,為開發者帶來全新可能。
- Google NotebookLM 推出全新功能:將您的研究筆記轉化為 TikTok 風格的 AI 短影音
Google NotebookLM 最新釋出了生成 60 秒直式 AI 短影音 (Shorts) 的功能,讓您可以透過類似 TikTok 的影片格式來吸收與分享您的研究筆記。本文為您詳細介紹這項新功能的特色、自訂引導功能,以及 AI 如何顛覆未來的知識學習模式。
- 2026 創業新規則:為什麼「建構能力」已不再是核心競爭力
站在 2026 年的創業現場,我們正目睹一場前所未有的範式轉移。在 AI 原生時代,開發成本與時間被極度壓縮,創業的瓶頸不再是「建構能力」,而是「選擇能力」。本文揭示 AI 驅動創業生態中最具顛覆性的核心洞察。
- 高效學術論文閱讀:三遍掃描法
把「三遍讀論文法」落地成可執行流程:用 5–10 分鐘做海選、用 1 小時抓住方法與證據、再用「虛擬重做一遍」吃透細節。本文整合 Keshav 的 three-pass 與李沐老師的實作要點,附檢查清單與文獻綜述讀法。
- AI 對勞動市場的衝擊:從「理論能力」到「實際使用」的新衡量方式
根據 Anthropic《Labor market impacts of AI: A new measure and early evidence》整理:介紹「觀察到的曝光度」指標,說明哪些職業最暴露在 AI 之下、與就業成長與失業率的關係,以及對政策、企業與個人職涯的啟示。
歡迎演講、企業內部技術分享與架構交流;可以先查看我適合分享的主題與公開工程成果。
演講與聯絡