這樣也好啦， legacy code 實在太多了，而 perl 語法又是如此
熱門文章
-
本次訪談邀請到深耕人工智慧與軟體工程多年的Andre Karpathy，討論AI代理（agents）技術的革命性進展、軟體工程與研究自動化的未來願景，以及AI在家居自動化、教育和機器人領域的應用趨勢。 AI代理顛覆軟體開發 Karpathy 表示，從2023年12月開始，他...
-
影片重點概述： 實驗設計：創作者提出「CPB 飲食」（Chicken, Potato, Broccoli + carrots）為期30天的短期重置飲食。規則：只吃雞胸、馬鈴薯、綠花椰與紅蘿蔔；每餐最多可用1湯匙橄欖油；禁用含熱量飲料與人工甜味劑；可以無限制吃到飽但不計...
-
在大型語言模型（Large Language Models, LLM）持續推進自然語言處理能力的今天，如何有效且深入理解這些模型在微調（Finetuning）過程中內部行為的演變，成為一個極具挑戰且重要的議題。Ren 與 Sutherland 於 ICLR 2025 發表的論文...
-
本集《Y Files》深入探討了一種被稱為「時間風暴」的超自然現象，這類事件在全球範圍內已被記錄數百年，許多文化對其有不同的稱呼。時間風暴被描述為帶有光芒的彩色迷霧，能引起時間感知扭曲、失蹤甚至物理變化的神秘現象。 故事從1977年智利山區的軍士瓦爾德茲（Armando Va...
-
在深度學習領域中，多層感知器（Multi-Layer Perceptrons，簡稱 MLP）長期以來都是神經網路的基石模型，其架構包括固定形式的節點激活函數與線性權重參數。然而，ICLR 2024 年榮獲 Outstanding Paper 獎的論文《KAN: Kolmogor...
-
在深度學習蓬勃發展的當下，模型架構愈來愈複雜，而如何使模型在取得高表現的同時，兼顧運算效率與彈性，成為研究重點。由 Chen 等人於 NeurIPS 2018 發表的 Neural Ordinary Differential Equations (Neural ODEs) ，提...
-
在當代機器學習尤其是大規模深度學習模型的發展浪潮中，了解訓練資料對最終模型性能的貢獻成為一個重要課題。資料的品質好壞、其對模型表現的實際影響，甚至背後的法律與版權問題，都促使研究者探尋精細且可解釋的資料貢獻評估方法。 研究背景與動機 「Data Shapley」作為一套理...
-
在機器學習與統計建模領域中，對離散分布的有效抽樣（sampling）一直是一項挑戰。尤其是在高維度與複雜結構的概率模型中，如何利用梯度資訊改善抽樣效率仍未有明確解決方案。Grathwohl 等人在 2021 年 ICML 發表的論文《Oops I Took A Gradient...
-
在當前深度學習領域，Transformer 架構及其注意力機制已成為基礎模型（Foundation Models）的核心，引領了語言、音訊和基因組等多種序列資料的突破性發展。然而，Transformer 的計算複雜度為 O(N²) ，面對超長序列時的效率瓶頸極為明顯，嚴重限制了...
-
主成分分析（PCA）是機器學習與資料科學中極為重要的維度約減技術，廣泛應用於資料前處理、特徵萃取、降噪及資料視覺化等領域。傳統的 PCA 通常透過特徵分解（eigen decomposition）或奇異值分解（SVD）求解最大方差方向。然而，隨著資料規模的爆炸性成長以及分散式計...
