Building AI Reading Club: Features & Behind the Scenes
介紹了作者開發的 AI 閱讀助手 Dewey 及其核心功能。該工具透過理解閱讀上下文、簡化查詢介面、生成摘要與測驗等方式，讓讀者能更流暢地閱讀書籍。
他的來源
最受歡迎
依人氣
Language Modeling Reading List (to Start Your Paper Club)
本文列舉了語言模型領域的 30 篇核心論文，涵蓋從基礎架構到最新技術的演進。讀者可透過這些論文了解 LLM 的訓練原理、最佳化策略及未來趨勢，建立自己的「論文俱樂部」，深入掌握機器學習的前沿知識。
Don't Mock Machine Learning Models In Unit Tests
探討了將傳統軟體測試方法應用於機器學習程式時遇到的困難。作者指出，ML 程式碼的核心是學習邏輯而非直接包含邏輯，因此測試方式必須改變：通常需透過模型推理來驗證輸出，而非直接斷言結果。
Building an AI Coach to Help Tame My Monkey Mind
分享如何打造一個 AI 教練來克服「猴子心態」，利用語音轉文字、文字轉語音及大語言模型，並搭配虛擬電話號碼，讓對話更自然且具同理心。
2025 Year in Review
2025 年作者專注於健康與職業發展，並結合 LLM 與推薦系統技術。文章分享了四個原型應用、健康資料改善、滑雪與牙齒治療的挑戰，以及 O1 簽證獲批與升遷喜訊。
AI Engineer 2025 - Improving RecSys & Search with LLM techniques
介紹了 AI 工程師如何透過 LLM 技術提升推薦系統與搜尋效能。作者分享了在 2025 年 AI 工程師世界 fair 上關於 RecSys 與 Search 的演講內容，涵蓋了使用語義 ID、資料增強及統一基礎模型來實現這兩者的融合。
Frequently Asked Questions about My Writing Process
這篇文章由資料科學家伊恩·揚分享，他解釋了撰寫過程的起源、目的與方法。作者從學習、分享觀點、表達異見及社群連結四方面出發，並針對個人、團隊與領導者等不同受眾，採用不同的寫作策略。
Building News Agents for Daily News Recaps with MCP, Q, and tmux
介紹了如何使用 Amazon Q CLI、Anthropic MCP 和 tmux 來建立每日新聞摘要的自動化工作流。作者透過將新聞分組並啟動多個子代理，讓每個子代理獨立處理特定來源，最後由主代理整合結果。
Evaluating Long-Context Question & Answer Systems
探討如何評估長上下文下的問答系統。作者指出，隨著文件變大，資訊過載、位置偏差、多跳推理及幻覺等問題會顯著增加。文章介紹了評估指標、如何建立評估資料集的方法，並回顧了多個文件型別（如小說、技術文獻）的測試基準，強調需同時考量忠實度與幫助性。
NVIDIA GTC 2025 - Building LLM-Powered Applications
Chip Huyen 與作者分享了在 NVIDIA GTC 2025 上如何建構大型語言模型（LLM）驅動應用程式的最佳實踐與心得。文章涵蓋了從基礎架構到生產環境部署的完整流程，幫助讀者掌握將 AI 能力轉化為實際商業價值的方法。
最新內容
依發布時間
Patterns for Building Cybersecurity Evals
介紹了建構安全評估（Cybersecurity Evals）的通用模式，包括沙箱化目標、影響任務難度的輸入、工具與評分器。
How to Work and Compound with AI
探討了如何有效與 AI 合作，並透過建立上下文、設定偏好、驗證機制和閉環來實現協同增效。作者提出將個人習慣轉化為可執行的技能，並透過自動化的驗證與回饋系統，讓 AI 能持續最佳化工作流，最終達成「複利」效果。
2025 Year in Review
2025 年作者專注於健康與職業發展，並結合 LLM 與推薦系統技術。文章分享了四個原型應用、健康資料改善、滑雪與牙齒治療的挑戰，以及 O1 簽證獲批與升遷喜訊。
Product Evals in Three Simple Steps
這篇文章詳細介紹了建立產品評估流程的三個簡單步驟：首先標註少量資料，接著對齊 LLM 評審器，最後執行實驗並驗證配置變更。作者強調使用二進位制標籤（透過/失敗）比複雜的評分系統更有效率，並建議透過合成缺陷或主動學習來構建平衡的測試集。
Training an LLM-RecSys Hybrid for Steerable Recs with Semantic IDs
介紹了結合大語言模型（LLM）與推薦系統（RecSys）的新方法，利用「語意 ID」將商品轉化為可理解的語義符號。作者展示了如何透過 RQ-VAE 生成語義 ID，並訓練一個可對話的 LLM 來進行推薦。
Evaluating Long-Context Question & Answer Systems
探討如何評估長上下文下的問答系統。作者指出，隨著文件變大，資訊過載、位置偏差、多跳推理及幻覺等問題會顯著增加。文章介紹了評估指標、如何建立評估資料集的方法，並回顧了多個文件型別（如小說、技術文獻）的測試基準，強調需同時考量忠實度與幫助性。
AI Engineer 2025 - Improving RecSys & Search with LLM techniques
介紹了 AI 工程師如何透過 LLM 技術提升推薦系統與搜尋效能。作者分享了在 2025 年 AI 工程師世界 fair 上關於 RecSys 與 Search 的演講內容，涵蓋了使用語義 ID、資料增強及統一基礎模型來實現這兩者的融合。
Building News Agents for Daily News Recaps with MCP, Q, and tmux
介紹了如何使用 Amazon Q CLI、Anthropic MCP 和 tmux 來建立每日新聞摘要的自動化工作流。作者透過將新聞分組並啟動多個子代理，讓每個子代理獨立處理特定來源，最後由主代理整合結果。
An LLM-as-Judge Won't Save The Product—Fixing Your Process Will
指出，單純增加 LLM 作為裁判或額外工具無法解決產品問題，因為這只是掩蓋核心問題。真正的關鍵在於建立「產品評估迴圈」，即運用科學方法，透過觀察資料、標註失敗案例、提出假說並進行實驗驗證，形成資料飛輪。
Frequently Asked Questions about My Writing Process
這篇文章由資料科學家伊恩·揚分享，他解釋了撰寫過程的起源、目的與方法。作者從學習、分享觀點、表達異見及社群連結四方面出發，並針對個人、團隊與領導者等不同受眾，採用不同的寫作策略。
NVIDIA GTC 2025 - Building LLM-Powered Applications
Chip Huyen 與作者分享了在 NVIDIA GTC 2025 上如何建構大型語言模型（LLM）驅動應用程式的最佳實踐與心得。文章涵蓋了從基礎架構到生產環境部署的完整流程，幫助讀者掌握將 AI 能力轉化為實際商業價值的方法。
Improving Recommendation Systems & Search in the Age of LLMs
探討大語言模型（LLM）如何重塑推薦系統與搜尋。透過混合架構、資料生成、訓練正規化及統一框架，解決傳統 ID 基方法的冷啟動與長尾問題。
Building AI Reading Club: Features & Behind the Scenes
介紹了作者開發的 AI 閱讀助手 Dewey 及其核心功能。該工具透過理解閱讀上下文、簡化查詢介面、生成摘要與測驗等方式，讓讀者能更流暢地閱讀書籍。
2024 Year in Review
2024 年對作者而言是穩定進步的一年，成功將 2023 年的原型產品投入生產，並持續改善健康習慣。在寫作方面，發表了多篇技術文章，包括與朋友合著的《Building with LLMs》系列，並推出了 Tara AI Coach 和 A…
How to Run a Weekly Paper Club (and Build a Learning Community)
介紹了如何建立每週閱讀論文俱樂部以建構學習社群。作者分享了一套完整的流程，包括如何選取論文、如何進行預讀、如何擔任主持人以及如何管理活動。透過每週固定時間的討論，讀者可以深入理解關鍵技術與模型，並建立深厚的專業網路。
My Minimal MacBook Pro Setup Guide
這篇文章由 Eugene Yan 分享，他從 2019 年 Intel MacBook Pro 升級至 M4 MacBook Pro，並透過整理數位生活從零開始，建立極簡設定。
39 Lessons on Building ML Systems, Scaling, Execution, and More
這篇文章是作者對 2024 年 AI 領域會議的筆記，涵蓋了建立 ML 系統、生產部署、執行與協作的 39 個關鍵原則。內容強調建立真實世界的獎勵函式、設計資料飛輪、平衡短期與長期回報，以及避免過度依賴單一模型。
AlignEval: Building an App to Make Evals Easy, Fun, and Automated
介紹 AlignEval 是一個簡化 LLM 評估流程的應用程式。使用者只需上傳 CSV 資料、標記樣本（透過或失敗）、定義評估標準，AlignEval 就能自動最佳化評估器。作者強調應從資料出發而非預設標準，並提供實作步驟與工具推薦。
Weights & Biases LLM-Evaluator Hackathon - Hackathon Judge
作者於 Weights & Biases LLM-as-a-Judge Hackathon 擔任評審，參與了超過 100 人的 15 個團隊展示。團隊展示了知識圖譜建構、MBTI 評估、提示最佳化等多種實作。
Building the Same App Using Various Web Frameworks
這篇文章作者嘗試用 FastAPI、FastHTML、Next.js 和 SvelteKit 四個不同框架，構建完全相同的「看你的資料」Web 應用程式。透過實作 CRUD 操作，作者希望比較各框架的獨特功能與開發者體驗。
Evaluating the Effectiveness of LLM-Evaluators (aka LLM-as-Judge)
探討了 LLM 作為裁判器（LLM-as-Judge）的效能，涵蓋了應用場景、評估技術、模型對齊及訓練方法。作者分析了直接評分、成對比較與參考評估三種方法，並討論了分類指標與相關係數指標的適用性。
How to Interview and Hire ML/AI Engineers
這篇文章詳細介紹了如何進行 ML/AI 工程師的面試與選才。內容涵蓋了評估技術與非技術素養、如何進行電話初選、執行面試迴圈以及後期反饋，並提供了關於資料文藝、模型評估、科學廣度與深度、以及影響力的面試問題與評估標準。
AI Engineer 2024 Keynote - What We Learned from a Year of LLMs
作者們在 AI Engineer World 2024 閉幕演講中分享了使用 LLM 一年的經驗。他們探討了如何準備多講者會議、選擇合適的演講形式，並強調了與 AI 合作的重要性。
Netflix PRS 2024 - Applying LLMs to Recommendation Experiences
這篇文章由 Amazon 資深應用科學家 Eugene Yan 撰寫，分享了在 Netflix 2024 年個人化研討會上的經驗。他談及在消費者規模部署大語言模型（LLM）推薦系統時所面臨的挑戰與經驗，涵蓋評估、可擴充套件性及安全邊界。
Prompting Fundamentals and How to Apply them Effectively
深入探討了大語言模型（LLM）提示工程的核心基礎，包括結構化輸入輸出、預填充、多範例提示（n-shots）、思維鏈（CoT）以及減少幻覺的方法。
Building an AI Coach to Help Tame My Monkey Mind
分享如何打造一個 AI 教練來克服「猴子心態」，利用語音轉文字、文字轉語音及大語言模型，並搭配虛擬電話號碼，讓對話更自然且具同理心。
Task-Specific LLM Evals that Do & Don't Work
探討了針對特定任務（如分類、摘要、翻譯）的 LLM 評估方法，指出許多通用評估工具在實際應用中效果不佳。作者推薦了基於 NLI 的一致性檢查、NLI 模型作為事實一致性指標、以及 chrF、BLEURT 和 COMET 等翻譯質量評估指標。
Don't Mock Machine Learning Models In Unit Tests
探討了將傳統軟體測試方法應用於機器學習程式時遇到的困難。作者指出，ML 程式碼的核心是學習邏輯而非直接包含邏輯，因此測試方式必須改變：通常需透過模型推理來驗證輸出，而非直接斷言結果。
How to Generate and Use Synthetic Data for Finetuning
探討如何透過生成式資料來解決人工標籤的瓶頸，適用於指令調教、偏好調教及預訓練。作者介紹了兩種主要方法：透過較強模型蒸餾知識，或讓模型自我改進。
Language Modeling Reading List (to Start Your Paper Club)
本文列舉了語言模型領域的 30 篇核心論文，涵蓋從基礎架構到最新技術的演進。讀者可透過這些論文了解 LLM 的訓練原理、最佳化策略及未來趨勢，建立自己的「論文俱樂部」，深入掌握機器學習的前沿知識。
