1影片進階EN
Workshop with Neo4j: Building GraphRAG Python MCP Tools（在新分頁開啟原站）
教導開發者如何使用 Python MCP SDK 將 GraphRAG 知識圖與生成式 AI 結合，打造可被 AI 應用發現的工具。
1,981次觀看
※ 摘要僅根據標題與說明
Berkeley RDI
YouTube ・ 國際 ・ 英文 ・ A 級 ・ 4.2 萬 訂閱 ・ 29 筆內容 ・ 最近更新 2026/09/24
Berkeley LLM Agents／Agentic AI 系列課程
最受歡迎
依人氣
- 2,600次觀看
※ 摘要僅根據標題與說明
- 3影片入門EN
Rose Yu - Towards AI Co Scientists: Agentic AI for Scientific Discovery（在新分頁開啟原站）
介紹 Rose Yu 如何將 AI 應用於科學研究，探討 Agentic AI 如何協助科學家進行發現。
583次觀看※ 摘要僅根據標題與說明
- 4影片進階EN
Chenguang Wang - From Training to Evaluation: Open Recipes for Building Agentic AI at Scale AI（在新分頁開啟原站）
王成光在影片中分享如何從訓練到評估，運用開放式食譜來構建大規模的代理 AI，內容聚焦於實際操作與方法論。
406次觀看※ 摘要僅根據標題與說明
- 5影片入門EN
Aayush Agrawal - Evals: The Engine for Agent Improvement（在新分頁開啟原站）
介紹了 Aayush Agrawal 提出的 Evals 系統，該系統旨在透過自動評估來提升 AI 代理的表現。
281次觀看※ 摘要僅根據標題與說明
- 6影片入門EN
Milad Nasr - End to End Security Research with a Language Model（在新分頁開啟原站）
介紹 Milad Nasr 如何運用語言模型進行端到端安全研究，探討 AI 在安全領域的應用與挑戰。
128次觀看※ 摘要僅根據標題與說明
- 7影片進階EN
Jon Rav Shende - Observability Is Not Governance: Building a Runtime Trust Plane for Agentic AI（在新分頁開啟原站）
Jon Rav Shende 在影片中探討如何為具身 AI 建立信任平面，並指出可觀測性不等同於治理，強調需透過實時監控機制來確保系統安全。
※ 摘要僅根據標題與說明
- 8影片進階EN
Bo Li - Securing AI Agents: From Risk Assessment and Runtime Guardrails to Self Improvement and...（在新分頁開啟原站）
介紹了如何安全地建立 AI 代理，涵蓋風險評估、執行時護欄以及代理的自我改進策略。
※ 摘要僅根據標題與說明
- 9影片進階EN
Andrew Schoen - Solving Quantum Sci Problems with SMART: A Self-evolving Multi-Agent Research Tree（在新分頁開啟原站）
Andrew Schoen 在影片中探討如何透過 SMART 架構解決量子科學問題，並介紹其自進化多代理研究樹的應用。
153次觀看※ 摘要僅根據標題與說明
- 10影片進階EN
Scott Clark - How Better Evals Can Bring Abundance Through Accelerated Scientific Discovery（在新分頁開啟原站）
Scott Clark 在影片中探討透過加速科學發現來實現豐裕的途徑，並介紹了如何透過更好的評估來達成此目標。
131次觀看※ 摘要僅根據標題與說明
最新內容
依發布時間
- 影片進階EN
Workshop with Neo4j: Building GraphRAG Python MCP Tools（在新分頁開啟原站）
教導開發者如何使用 Python MCP SDK 將 GraphRAG 知識圖與生成式 AI 結合，打造可被 AI 應用發現的工具。
1,981次觀看※ 摘要僅根據標題與說明
- 2,600次觀看
※ 摘要僅根據標題與說明
- 影片入門EN
Tushar Krishna - How Agentic AI Is Rewriting the Rules of AI Infrastructure（在新分頁開啟原站）
介紹 Tushar Krishna 如何探討 Agentic AI 如何改變 AI 基礎設施的規則。
60次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Ben Athiwaratkun - Unified Orchestration System for Verifier-Free Evolution（在新分頁開啟原站）
介紹 Ben Athiwaratkun 開發的統一排程系統，用於驗證無演進的 AI 模型。
33次觀看※ 摘要僅根據標題與說明
- 影片高階EN
Jongryool Kim - Disaggregated LLM Serving with Shared Memory KV Cache at Rack Scale（在新分頁開啟原站）
介紹 Jongryool Kim 如何透過共享記憶體 KV 快取，在大型伺服器上實現離散化 LLM 服務。
68次觀看※ 摘要僅根據標題與說明
- 影片進階EN
John Liu - Looping for Model Optimization（在新分頁開啟原站）
介紹 John Liu 如何透過 Looping 技術最佳化模型，並分享其具體實作方法。
55次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Rahul Bakshi - Scale Compute to the Signal（在新分頁開啟原站）
介紹 Rahul Bakshi 如何將計算資源從規模擴充套件到訊號處理，探討 AI 時代算力與訊號需求的關係。
46次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Jun Yang - Using Agents to Build Production AI Systems: Lessons, Pitfalls, and Limits（在新分頁開啟原站）
Jun Yang 在影片中使用 AI 代理建構生產型 AI 系統，分享實戰經驗與常見陷阱。
57次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Mohamed Nabeel - Ghost in the Web Store: Preempting LLM Hallucinated Browser Extension Supply Chain（在新分頁開啟原站）
探討如何防止大型語言模型在瀏覽器擴充程式中產生錯誤資訊，並提出預防策略。
33次觀看※ 摘要僅根據標題與說明
- 影片進階EN
John A McDermid - Safety and Security of Agentic AI（在新分頁開啟原站）
探討 AI 自主系統在安全與隱私方面的挑戰，強調建立可靠機制的重要性。
※ 摘要僅根據標題與說明
- 64次觀看
※ 摘要僅根據標題與說明
- 影片入門EN
Milad Nasr - End to End Security Research with a Language Model（在新分頁開啟原站）
介紹 Milad Nasr 如何運用語言模型進行端到端安全研究，探討 AI 在安全領域的應用與挑戰。
128次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Jon Rav Shende - Observability Is Not Governance: Building a Runtime Trust Plane for Agentic AI（在新分頁開啟原站）
Jon Rav Shende 在影片中探討如何為具身 AI 建立信任平面，並指出可觀測性不等同於治理，強調需透過實時監控機制來確保系統安全。
※ 摘要僅根據標題與說明
- 影片進階EN
Bo Li - Securing AI Agents: From Risk Assessment and Runtime Guardrails to Self Improvement and...（在新分頁開啟原站）
介紹了如何安全地建立 AI 代理，涵蓋風險評估、執行時護欄以及代理的自我改進策略。
※ 摘要僅根據標題與說明
- 影片進階EN
Shaghayegh Gharghabi - One Environment, Whole Lifecycle: Agentic Post Training for Nemotron in...（在新分頁開啟原站）
介紹 Nemotron 模型在單一環境下完成整個生命週期的代理後訓練方法。
56次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Krishnakumar Sharma - Agentic Coding, the Boring Way（在新分頁開啟原站）
Krishnakumar Sharma 在 Berkeley RDI 分享如何以笨拙但有效的方式進行 Agentic Coding，透過具體實作讓讀者掌握自動化程式設計的基礎方法。
71次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Rose Yu - Towards AI Co Scientists: Agentic AI for Scientific Discovery（在新分頁開啟原站）
介紹 Rose Yu 如何將 AI 應用於科學研究，探討 Agentic AI 如何協助科學家進行發現。
583次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Andrew Schoen - Solving Quantum Sci Problems with SMART: A Self-evolving Multi-Agent Research Tree（在新分頁開啟原站）
Andrew Schoen 在影片中探討如何透過 SMART 架構解決量子科學問題，並介紹其自進化多代理研究樹的應用。
153次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Aayush Agrawal - Evals: The Engine for Agent Improvement（在新分頁開啟原站）
介紹了 Aayush Agrawal 提出的 Evals 系統，該系統旨在透過自動評估來提升 AI 代理的表現。
281次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Scott Clark - How Better Evals Can Bring Abundance Through Accelerated Scientific Discovery（在新分頁開啟原站）
Scott Clark 在影片中探討透過加速科學發現來實現豐裕的途徑，並介紹了如何透過更好的評估來達成此目標。
131次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Arindam Sett - AIDaR: AI Data Readiness Evaluations Framework（在新分頁開啟原站）
介紹了由 Arindam Sett 提出的 AIDaR 框架，用於評估資料對 AI 的準備程度。
95次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Grace Tang - Data Benchmarks: Where Everything's Made Up and the Points Don't Matter（在新分頁開啟原站）
Grace Tang 探討資料標準化中資料真實性的問題，指出許多資料標準看似嚴謹，但實際內容可能虛假，讀者應警惕資料來源的可靠性。
78次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Rahul Krishna - ScarfBench: Can Agents Migrate Enterprise Java?（在新分頁開啟原站）
探討企業 Java 程式能否透過 AI 代理進行遷移，並分析其可行性與挑戰。
※ 摘要僅根據標題與說明
- 影片進階EN
Chenguang Wang - From Training to Evaluation: Open Recipes for Building Agentic AI at Scale AI（在新分頁開啟原站）
王成光在影片中分享如何從訓練到評估，運用開放式食譜來構建大規模的代理 AI，內容聚焦於實際操作與方法論。
406次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Daniel Fink - Scaling Up Config Driven Multi Agent Networks with Neuro SAN（在新分頁開啟原站）
介紹 Daniel Fink 如何運用 Neuro SAN 架構，將多智慧體網路規模化擴充套件。
107次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Surbhi Rathore - Agentic AI Is a UX Problem Disguised as a Technology Breakthrough（在新分頁開啟原站）
探討 Agentic AI 如何將 UX 問題包裝成技術突破，並分析其潛在風險。
118次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Nayaki Nayyar - Transforming from SaaS to an Agentic Enterprise（在新分頁開啟原站）
介紹了 Nayaki Nayyar 如何從 SaaS 轉型為企業級代理應用，並探討了 AI 如何重塑企業運作模式。
58次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Daniel Homola - From Multi Agent Patterns to Reliable Orchestration（在新分頁開啟原站）
Daniel Homola 分享如何從多智慧體模式演進到可靠的排程系統，探討 AI 系統如何更穩定地運作。
115次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Ankit Goyal - Infrastructure for Long Running Agents（在新分頁開啟原站）
介紹 Ankit Goyal 如何為長期運作的 Agent 設計基礎架構，幫助使用者理解如何讓 AI 系統持續穩定執行。
115次觀看※ 摘要僅根據標題與說明
