9.2 萬次觀看
※ 摘要僅根據標題與說明
Graham Neubig
15 筆內容 ・ 2.1 萬 訂閱
他的來源
最受歡迎
依人氣
CMU AI Agents 2026: 6. Agents for Coding and Software Development
由 Graham Neubig 主講，介紹如何建立擅長程式碼撰寫與軟體開發的 AI Agent。觀眾可學習利用 AI 工具提升軟體開發效率與自動化程度。
1.7 萬次觀看※ 摘要僅根據標題與說明
CMU AI Agents 2026: 3. Long Context Modeling for Agents
由 Graham Neubig 主講，介紹如何建立能處理極長語境的 AI 代理與語言模型。觀眾可學習長上下文建模的技術與應用方法。
2.3 萬次觀看※ 摘要僅根據標題與說明
CMU AI Agents 2026: 2. Tool Use for Language Model Agents
Graham Neubig 教授講述語言模型如何學習呼叫工具，這是將語言模型轉化為智慧代理的關鍵能力。影片涵蓋 CMU CS 11-768 AI Agents 課程中關於工具使用的核心概念。
2.3 萬次觀看※ 摘要僅根據標題與說明
CMU AI Agents 2026: 5. Planning, Task Decomposition, and Multi-Agent Coordination
介紹 CMU AI Agents 課程中關於規劃、任務分解與多代理協作的內容。
8,252次觀看※ 摘要僅根據標題與說明
CMU AI Agents 2026: 4. Memory and Skills for Agents
由 Graham Neubig 講授，介紹 AI 代理如何透過記憶與技能管理長期上下文。觀眾可學習讓代理維持狀態的關鍵機制。
1.1 萬次觀看※ 摘要僅根據標題與說明
- 4,303次觀看
※ 摘要僅根據標題與說明
- 2,074次觀看
※ 摘要僅根據標題與說明
CMU AI Agents 2026: 8. Supervised Fine Tuning
CMU AI Agents 2026 課程第 8 講，由 Graham Neubig 講授，內容為監督式微調。
2,053次觀看※ 摘要僅根據標題與說明
CMU LLM Inference (12): Reward Models and Best-of-N
由 Amanda Bertsch 講授，涵蓋獎勵模型、Best-of-N 理論與實作，以及蒙特卡洛樹搜尋。觀眾可學習大型語言模型推理中獎勵模型設計與最佳策略選擇的具體方法。
※ 摘要僅根據標題與說明
最新內容
依發布時間
- 4,303次觀看
※ 摘要僅根據標題與說明
CMU AI Agents 2026: 8. Supervised Fine Tuning
CMU AI Agents 2026 課程第 8 講，由 Graham Neubig 講授，內容為監督式微調。
2,053次觀看※ 摘要僅根據標題與說明
- 2,074次觀看
※ 摘要僅根據標題與說明
CMU AI Agents 2026: 6. Agents for Coding and Software Development
由 Graham Neubig 主講，介紹如何建立擅長程式碼撰寫與軟體開發的 AI Agent。觀眾可學習利用 AI 工具提升軟體開發效率與自動化程度。
1.7 萬次觀看※ 摘要僅根據標題與說明
CMU AI Agents 2026: 5. Planning, Task Decomposition, and Multi-Agent Coordination
介紹 CMU AI Agents 課程中關於規劃、任務分解與多代理協作的內容。
8,252次觀看※ 摘要僅根據標題與說明
CMU AI Agents 2026: 4. Memory and Skills for Agents
由 Graham Neubig 講授，介紹 AI 代理如何透過記憶與技能管理長期上下文。觀眾可學習讓代理維持狀態的關鍵機制。
1.1 萬次觀看※ 摘要僅根據標題與說明
CMU AI Agents 2026: 3. Long Context Modeling for Agents
由 Graham Neubig 主講，介紹如何建立能處理極長語境的 AI 代理與語言模型。觀眾可學習長上下文建模的技術與應用方法。
2.3 萬次觀看※ 摘要僅根據標題與說明
CMU AI Agents 2026: 2. Tool Use for Language Model Agents
Graham Neubig 教授講述語言模型如何學習呼叫工具，這是將語言模型轉化為智慧代理的關鍵能力。影片涵蓋 CMU CS 11-768 AI Agents 課程中關於工具使用的核心概念。
2.3 萬次觀看※ 摘要僅根據標題與說明
- 9.2 萬次觀看
※ 摘要僅根據標題與說明
CMU LLM Inference (12): Reward Models and Best-of-N
由 Amanda Bertsch 講授，涵蓋獎勵模型、Best-of-N 理論與實作，以及蒙特卡洛樹搜尋。觀眾可學習大型語言模型推理中獎勵模型設計與最佳策略選擇的具體方法。
※ 摘要僅根據標題與說明
CMU LLM Inference (11): Agents and Multi-Agent Communication
由 Graham Neubig 教授講述大型語言模型推理中的代理與多代理溝通概念，涵蓋架構設計、效能最佳化及安全挑戰。觀眾可學習如何構建與最佳化多代理系統。
※ 摘要僅根據標題與說明
CMU LLM Inference (10): Incorporating Tools
由 Graham Neubig 教授講述大型語言模型如何整合外部工具，涵蓋工具定義、關鍵方法如 PAL 與 Toolformer、標準函式呼叫及 MCP 協議等。觀眾能學習大模型與工具協作的架構、開發框架與評估挑戰。
※ 摘要僅根據標題與說明
CMU LLM Inference (9): Reasoning Models
由 Graham Neubig 講授，介紹推理模型的概念、訓練方法與演算法。觀眾可了解 STaR、DeepSeek R1 等技術與長鏈式思考的應用。
1,376次觀看※ 摘要僅根據標題與說明
CMU LLM Inference (8): Self-Refine and Self-Correction Methods
章節由 Graham Neubig 講授，介紹自我修正與迭代精進方法，涵蓋程式碼自動除錯與代理工具的強化學習。觀眾可學習如何利用自我反饋機制提升大型語言模型的推理與修正能力。
※ 摘要僅根據標題與說明
CMU LLM Inference (7): Chain of Thought and Intermediate Steps
由 Graham Neubig 講授，介紹大型語言模型推理中的思維鏈與中間步驟機制，解釋其運作原理與自一致性變體。觀眾可了解為何這些技術能提升模型推理能力。
※ 摘要僅根據標題與說明
