最受歡迎
依人氣
- 2文章入門EN
Multimodality and Large Multimodal Models (LMMs)
介紹了多模態系統與大型多模態模型（LMMs）的基礎概念。它解釋了為何多模態對現實世界應用至關重要，並區分了輸入、輸出或兩者皆為多模態的不同型別。
- 3文章入門EN
What I learned from looking at 900 most popular open source AI tools
回顧了過去四年內 GitHub 上最熱門的 900 個開源 AI 軟體專案，並重新分類了它們。文章指出，AI 軟體生態系統已分為基礎設施、模型開發與應用開發三層。應用開發層目前最活躍，涵蓋提示工程、RAG、Agent 框架及 AI 介面。
- 4文章入門EN
Predictive Human Preference: From Model Ranking to Model Routing
探討預測人類偏好的概念，旨在預測特定查詢下使用者偏好的模型。作者使用一個玩具預測器，基於 LMSYS Chatbot Arena 的資料，成功預測了模型對不同提示的勝出機率。實驗顯示，即使不考慮提示詞，預測準確率也達 75%；
- 5文章入門EN
Generation configurations: temperature, top-k, top-p, and test time compute
探討了生成式 AI 的三個核心概念：溫度引數、Top-k 與 Top-p 樣本選擇策略，以及測試時計算（Test Time Compute）。
- 6文章入門EN
Open challenges in LLM research
這篇文章由 Chip Huyen 撰寫，總結了目前大語言模型（LLM）研究的十大主要方向。內容涵蓋如何減少與衡量謠言、最佳化上下文長度、整合多模態資料、加速與降低成本、設計新型架構、開發替代 GPU 晶片、使代理系統可用、支援非英語語言等。
- 7文章入門EN
Common pitfalls when building generative AI applications
指出在建構生成式 AI 應用時常見的六大陷阱：過度使用、混淆產品與 AI 品質、過度複雜化、過度追求早期成功、缺乏人工評估以及盲目 crowdsourcing 用例。
- 8文章入門EN
Generative AI Strategy
這篇文章由 Chip Huyen 撰寫，分享了他為 Fully Connected 舉辦演講「領導者需要我們去做生成式 AI」的簡易框架。內容探討了如何制定生成式 AI 策略，並歡迎讀者分享自己的經驗。
- 9文章進階EN
Building A Generative AI Platform
介紹了構建生成式 AI 平台的通用架構，從最簡單的模型 API 開始，逐步加入上下文增強、安全防護、路由最佳化、視覺化與鏈式處理等核心元件。透過這些模組化設計，系統能更靈活地處理複雜任務，同時保持可維護性與安全性。
最新內容
依發布時間
- 文章入門EN
Common pitfalls when building generative AI applications
指出在建構生成式 AI 應用時常見的六大陷阱：過度使用、混淆產品與 AI 品質、過度複雜化、過度追求早期成功、缺乏人工評估以及盲目 crowdsourcing 用例。
- 文章進階EN
Building A Generative AI Platform
介紹了構建生成式 AI 平台的通用架構，從最簡單的模型 API 開始，逐步加入上下文增強、安全防護、路由最佳化、視覺化與鏈式處理等核心元件。透過這些模組化設計，系統能更靈活地處理複雜任務，同時保持可維護性與安全性。
- 文章入門EN
What I learned from looking at 900 most popular open source AI tools
回顧了過去四年內 GitHub 上最熱門的 900 個開源 AI 軟體專案，並重新分類了它們。文章指出，AI 軟體生態系統已分為基礎設施、模型開發與應用開發三層。應用開發層目前最活躍，涵蓋提示工程、RAG、Agent 框架及 AI 介面。
- 文章入門EN
Predictive Human Preference: From Model Ranking to Model Routing
探討預測人類偏好的概念，旨在預測特定查詢下使用者偏好的模型。作者使用一個玩具預測器，基於 LMSYS Chatbot Arena 的資料，成功預測了模型對不同提示的勝出機率。實驗顯示，即使不考慮提示詞，預測準確率也達 75%；
- 文章入門EN
Generation configurations: temperature, top-k, top-p, and test time compute
探討了生成式 AI 的三個核心概念：溫度引數、Top-k 與 Top-p 樣本選擇策略，以及測試時計算（Test Time Compute）。
- 文章入門EN
Multimodality and Large Multimodal Models (LMMs)
介紹了多模態系統與大型多模態模型（LMMs）的基礎概念。它解釋了為何多模態對現實世界應用至關重要，並區分了輸入、輸出或兩者皆為多模態的不同型別。
- 文章入門EN
Open challenges in LLM research
這篇文章由 Chip Huyen 撰寫，總結了目前大語言模型（LLM）研究的十大主要方向。內容涵蓋如何減少與衡量謠言、最佳化上下文長度、整合多模態資料、加速與降低成本、設計新型架構、開發替代 GPU 晶片、使代理系統可用、支援非英語語言等。
- 文章入門EN
Generative AI Strategy
這篇文章由 Chip Huyen 撰寫，分享了他為 Fully Connected 舉辦演講「領導者需要我們去做生成式 AI」的簡易框架。內容探討了如何制定生成式 AI 策略，並歡迎讀者分享自己的經驗。