1影片進階EN
DeepSeek just solved LLM inferencing (again)
深入探討因果編碼器解碼器架構與大型語言模型推論機制，包含預填充與解碼階段解析及 PyTorch 實作。觀眾可學習模型原理並掌握推論實作方法。
※ 摘要僅根據標題與說明
Neural Breakdown with AVB
YouTube ・ 國際 ・ 英文 ・ B 級 ・ 3.7 萬 訂閱 ・ 14 筆內容 ・ 最近更新 2026/10/04
從零實作新模型架構的直播與整理片（live coding、資料集生成、訓練過程），適合想自己訓練小模型的人；直播多、單支很長
最受歡迎
依人氣
- 2影片進階EN
Live coding Jev from Scratch | Understanding Qwen architecture
深入解析 Qwen 模型架構並從零編寫 JEV，透過修改注意力和位置 ID 實現選擇順序不變性。學習 PyTorch 與 Transformer 的實作細節，掌握模型輸入處理與訓練架構。
※ 摘要僅根據標題與說明
- 3影片進階EN
Let's build a Coding Agent Harness from Scratch (Step by Step, No frameworks)
從零開始構建功能豐富的程式設計代理，整合 Claude Code、Codex 等最佳實踐，涵蓋 Bash 工具、瀏覽器存取與檔案讀取等核心能力。透過實作範例與進階技巧，讓讀者掌握如何設計並最佳化自主程式設計系統。
※ 摘要僅根據標題與說明
- 4影片進階EN
Let me explain Looped Transformers to you
AVB 以視覺方式拆解 Looped Transformers 技術，說明大型語言模型內部層級如何迴圈模擬迭代推理。觀眾能理解該架構原理並掌握相關研究論文連結。
2.7 萬次觀看※ 摘要僅根據標題與說明
- 5影片進階EN
Livestream Coding with the new TypeSafe AI JEV Model | Parallel Constrained Decoding
串拆解 TypeSafe AI 最新推出的 JEV 模型，並探討實現 JSON 預測所需的網路架構。觀眾可了解該模型的核心機制與相關技術細節。
1.3 萬次觀看※ 摘要僅根據標題與說明
- 6影片進階EN
Exploring JEV hallucination Live | Preparing to train JEV from scratch | Dataset Generation
直播討論如何從零訓練 JEV 模型並生成合成資料集。
7,760次觀看※ 摘要僅根據標題與說明
- 7影片進階EN
I trained (one of) the smallest Reasoning Language Models EVER from scratch
展示如何從零開始訓練極小的推理語言模型，透過強化學習讓模型在問答與知識圖譜任務中學習。觀眾可了解如何設計獎勵函式並使用 GRPO 等技術進行自訂訓練。
※ 摘要僅根據標題與說明
- 8影片進階EN
Tiny Language Models - How to build INSANELY FAST local models! (Unsloth, Outlines)
示範如何使用 Outlines 生成合成資料，並用 Unsloth 進行本地語言模型監督微調。觀眾能學習如何建立極速執行的本地模型並開發相關 SDK。
※ 摘要僅根據標題與說明
- 9影片進階EN
ML STREAM! | Mechanistic Interpretability | Superposition in Toy Neural Nets
以簡易神經網路為例，解釋超疊現現象與機理解釋性。觀眾可透過此內容理解基礎模型中的關鍵概念。
4,028次觀看※ 摘要僅根據標題與說明
- 10影片進階EN
Live Coding Deepseek Causal Encoder-Decoder | Superposition in Neural nets
介紹因果編碼器 - 解碼器架構的工作原理，並使用 PyTorch 進行實作。觀眾能了解神經網路中的疊加現象，並掌握相關程式碼實現。
※ 摘要僅根據標題與說明
最新內容
依發布時間
- 影片進階EN
How I trained INSANELY fast JEV Decision Models from scratch (architecture deep-dive)
深入解析從零開始訓練 JEV 決策模型的架構，涵蓋系統一決策模型原理與 PyTorch 實作。觀眾可學習如何設計網路、處理選擇順序不變性並進行模型訓練。
※ 摘要僅根據標題與說明
- 影片進階EN
Live coding Jev from Scratch | Understanding Qwen architecture
深入解析 Qwen 模型架構並從零編寫 JEV，透過修改注意力和位置 ID 實現選擇順序不變性。學習 PyTorch 與 Transformer 的實作細節，掌握模型輸入處理與訓練架構。
※ 摘要僅根據標題與說明
- 影片進階EN
Exploring JEV hallucination Live | Preparing to train JEV from scratch | Dataset Generation
直播討論如何從零訓練 JEV 模型並生成合成資料集。
7,760次觀看※ 摘要僅根據標題與說明
- 影片進階EN
DeepSeek just solved LLM inferencing (again)
深入探討因果編碼器解碼器架構與大型語言模型推論機制，包含預填充與解碼階段解析及 PyTorch 實作。觀眾可學習模型原理並掌握推論實作方法。
※ 摘要僅根據標題與說明
- 影片進階EN
Livestream Coding with the new TypeSafe AI JEV Model | Parallel Constrained Decoding
串拆解 TypeSafe AI 最新推出的 JEV 模型，並探討實現 JSON 預測所需的網路架構。觀眾可了解該模型的核心機制與相關技術細節。
1.3 萬次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Live Coding Deepseek Causal Encoder-Decoder | Superposition in Neural nets
介紹因果編碼器 - 解碼器架構的工作原理，並使用 PyTorch 進行實作。觀眾能了解神經網路中的疊加現象，並掌握相關程式碼實現。
※ 摘要僅根據標題與說明
- 影片進階EN
ML STREAM! | Mechanistic Interpretability | Superposition in Toy Neural Nets
以簡易神經網路為例，解釋超疊現現象與機理解釋性。觀眾可透過此內容理解基礎模型中的關鍵概念。
4,028次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Let's build a Coding Agent Harness from Scratch (Step by Step, No frameworks)
從零開始構建功能豐富的程式設計代理，整合 Claude Code、Codex 等最佳實踐，涵蓋 Bash 工具、瀏覽器存取與檔案讀取等核心能力。透過實作範例與進階技巧，讓讀者掌握如何設計並最佳化自主程式設計系統。
※ 摘要僅根據標題與說明
- 影片進階EN
Let me explain Looped Transformers to you
AVB 以視覺方式拆解 Looped Transformers 技術，說明大型語言模型內部層級如何迴圈模擬迭代推理。觀眾能理解該架構原理並掌握相關研究論文連結。
2.7 萬次觀看※ 摘要僅根據標題與說明
- 影片進階EN
I trained (one of) the smallest Reasoning Language Models EVER from scratch
展示如何從零開始訓練極小的推理語言模型，透過強化學習讓模型在問答與知識圖譜任務中學習。觀眾可了解如何設計獎勵函式並使用 GRPO 等技術進行自訂訓練。
※ 摘要僅根據標題與說明
- 影片進階EN
Small Language Model Alignment - Finetune SLMs to ALWAYS pick the best answer (Unsloth DPO)
介紹如何透過 DPO 方法微調小型語言模型，使其能穩定選擇最佳答案。觀眾將學習使用 Unsloth 與 Huggingface TRL 工具進行偏好最佳化訓練。
6,936次觀看※ 摘要僅根據標題與說明
- 影片進階EN
How is Deepseek V4 so cheap (A deep dive into Sparse Attention)
深入解析 DeepSeek V4 如何透過稀疏注意力機制降低成本，涵蓋分組查詢注意力、壓縮稀疏注意力等技術細節。觀眾能理解其架構原理並掌握模型訓練與部署的關鍵概念。
4,586次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Tiny Language Models - How to build INSANELY FAST local models! (Unsloth, Outlines)
示範如何使用 Outlines 生成合成資料，並用 Unsloth 進行本地語言模型監督微調。觀眾能學習如何建立極速執行的本地模型並開發相關 SDK。
※ 摘要僅根據標題與說明
- 影片進階EN
How to finetune LLMs on custom data domains (CPT tutorial with Unsloth)
示範如何使用 Unsloth 工具對 SmolLM-135M 模型進行持續預訓練（CPT），將通用語言模型轉化為特定領域專家。觀眾可學習利用 Huggingface 生態系統在本地環境中快速調整大型語言模型。
1.6 萬次觀看※ 摘要僅根據標題與說明
