跳到主要內容
AI 武林
影片高階EN1.4 萬 次觀看

Stanford CME295 Transformers & LLMs | Autumn 2026 | Lecture 2 - Large Language Models

來源 Stanford Online

看影片(在新分頁開啟原站)連到 YouTube・Stanford Online

摘要

深入解析大型語言模型與 Transformer 架構,涵蓋分詞、嵌入、注意力機制及 BERT 等變體。學員將學習預訓練與微調流程,並掌握位置嵌入與上下文學習等關鍵技術。

This lecture explains large language models, Transformer architecture, BERT variants, and training techniques like pre-training and fine-tuning.

摘要、重點與章節標題由語言模型整理,細節(誰說的、數字、先後)可能有誤;要引用請以原始內容為準。

重點

  • 詳解 Transformer 架構與 BERT 等變體原理
  • 說明預訓練與微調大型語言模型的步驟
  • 探討位置嵌入與上下文學習等最佳化技術

章節

依話題轉折切分,標題由 AI 產生

  1. 00:00Welcome
  2. 03:43Difference with last year’s edition
  3. 05:01Class logistics
  4. 12:42Timeline
  5. 16:56Tokenization
  6. 37:27Word2vec (CBOW, Skip-gram)
  7. 48:26RNN, LSTM
  8. 55:18Attention
  9. 57:16Self-attention mechanism
  10. 59:54Query, key, value
  11. 1:09:35Transformer architecture
  12. 1:12:19Input
  13. 1:16:27Transformer Encoder
  14. 1:18:19Transformer Decoder
  15. 1:22:16Computational tricks
  16. 1:27:35End-to-end example

提到的工具與公司

  • BERT
  • Word2vec
  • RNN
  • LSTM

適合誰看

正在學習機器學習或開發大型語言模型應用的人員。

摘要依據

依據
自動字幕

為什麼排在這裡

人氣
0.93
新鮮
1.00

在主題頁與搜尋結果裡,名次由相關、人氣、新鮮三個分數決定;這一頁沒有搜尋的關鍵字,所以沒有相關分數。排序怎麼算

這個來源最近的內容

Stanford Online 的所有內容

摘要由 AI 根據原文產生,可能有誤;完整內容請看原站。看影片(在新分頁開啟原站)