第一阶段：生成式人工智能基础原理入门
第一阶段：生成式人工智能基础原理入门
掌握生成式人工智能的基本概念，了解其范畴和重要性，对大型语言模型有初步的认识。
掌握生成式人工智能的基本概念，了解其范畴和重要性，对大型语言模型有初步的认识。
什么是生成式人工智能
本课程由台湾大学李宏毅教授开发，主要介绍生成式人工智能的基础知识、技术原理、应用场景及所面临的挑战。从基础概念切入，逐步深入探讨生成式AI的复杂机制，并通过ChatGPT、AI绘图等实例，生动展示机器学习的创新过程。课程还将详细解析生成策略，帮助学员深刻领会这一前沿技术的精髓。
快速全面了解大型语言模型
本课程由台湾大学李宏毅教授开发，主要介绍大型语言模型的发展历程、从督导式学习到增强式学习的转变，以及如何激发语言模型的互动。课程内容涵盖ChatGPT的演进、不同学习方法的特点与应用，以及如何优化这些模型以提升语言理解和生成能力。
今日的生成式人工智能厉害在哪里
本课程由台湾大学李宏毅教授开发，主要介绍生成式人工智能的发展现状、能力展示及其带来的挑战与应对策略。通过深入探讨生成式AI的应用场景、潜在风险及应对方法，帮助学员全面理解并有效应用生成式AI。
_1.jpg)
什么是生成式人工智能
本课程由台湾大学李宏毅教授开发，主要介绍生成式人工智能的基础知识、技术原理、应用场景及所面临的挑战。从基础概念切入，逐步深入探讨生成式AI的复杂机制，并通过ChatGPT、AI绘图等实例，生动展示机器学习的创新过程。课程还将详细解析生成策略，帮助学员深刻领会这一前沿技术的精髓。
快速全面了解大型语言模型
本课程由台湾大学李宏毅教授开发，主要介绍大型语言模型的发展历程、从督导式学习到增强式学习的转变，以及如何激发语言模型的互动。课程内容涵盖ChatGPT的演进、不同学习方法的特点与应用，以及如何优化这些模型以提升语言理解和生成能力。
今日的生成式人工智能厉害在哪里
本课程由台湾大学李宏毅教授开发，主要介绍生成式人工智能的发展现状、能力展示及其带来的挑战与应对策略。通过深入探讨生成式AI的应用场景、潜在风险及应对方法，帮助学员全面理解并有效应用生成式AI。
第二阶段：生成式人工智能进阶与模型训练深入探究
第二阶段：生成式人工智能进阶与模型训练深入探究
深入理解生成式人工智能模型的训练过程、学习机制以及相关技术原理，包括深度学习、Transformer 等内容，同时了解模型在实际应用中的表现和面临的问题。
深入理解生成式人工智能模型的训练过程、学习机制以及相关技术原理，包括深度学习、Transformer 等内容，同时了解模型在实际应用中的表现和面临的问题。
训练不了人工智能？你可以训练你自己
本课程由台湾大学李宏毅教授开发，主要介绍在不训练模型的情况下，如何通过多种技巧和方法强化语言模型的能力。课程涵盖神奇咒语、任务拆解、工具使用以及语言模型合作等，帮助学员掌握如何优化与AI的互动，提升生成式AI的应用效果。
语言模型如何学习使用工具
本课程由台湾大学李宏毅教授开发，主要介绍语言模型如何学习并有效使用工具，涵盖从AI与搜索引擎的融合、AI的学习与进化，到AI的自我验证与优化的全过程。通过实际案例和理论结合，帮助学员深入理解AI在工具使用方面的最新进展和应用。
让AI村民组成虚拟村庄会发生什么事
本课程由台湾大学李宏毅教授开发，主要介绍如何构建由AI驱动的虚拟村庄，探讨AI村民在自主行为、外界刺激反应及社交互动中的表现。通过模拟真实社会情境，展示AI如何规划生活、适应变化并形成复杂的社会动态，为理解AI在社会系统中的潜力提供实践视角。
为什么类神经网络可以正确分辨宝可梦和数码宝贝呢
本课程由台湾大学李宏毅教授开发，主要介绍类神经网路在宝可梦和数码宝贝分辨任务中的应用，探讨可解释机器学习的重要性，包括如何让类神经网路更具可解释性、关键组件分析、实验结果展示以及梯度噪声和饱和等现象的讨论。
大型语言模型修练史
本课程由台湾大学李宏毅教授开发，主要介绍大型语言模型的修炼历程，分为三个阶段：自我学习与累积实力、名师指点与发挥潜力、参与实战与打磨技巧。课程从基础预训练讲起，逐步深入到指令微调和强化学习，帮助学员了解大型语言模型的训练方法。
以大型语言模型打造的AI Agent
本课程由台湾大学李宏毅教授开发，主要介绍如何利用大型语言模型构建AI Agent，涵盖其基础概念、未来趋势及多样化应用场景。通过实际案例和技术解析，帮助学员了解AI Agent的运作机制及其在复杂任务中的潜力。
训练不了人工智能？你可以训练你自己
本课程由台湾大学李宏毅教授开发，主要介绍在不训练模型的情况下，如何通过多种技巧和方法强化语言模型的能力。课程涵盖神奇咒语、任务拆解、工具使用以及语言模型合作等，帮助学员掌握如何优化与AI的互动，提升生成式AI的应用效果。
语言模型如何学习使用工具
本课程由台湾大学李宏毅教授开发，主要介绍语言模型如何学习并有效使用工具，涵盖从AI与搜索引擎的融合、AI的学习与进化，到AI的自我验证与优化的全过程。通过实际案例和理论结合，帮助学员深入理解AI在工具使用方面的最新进展和应用。
让AI村民组成虚拟村庄会发生什么事
本课程由台湾大学李宏毅教授开发，主要介绍如何构建由AI驱动的虚拟村庄，探讨AI村民在自主行为、外界刺激反应及社交互动中的表现。通过模拟真实社会情境，展示AI如何规划生活、适应变化并形成复杂的社会动态，为理解AI在社会系统中的潜力提供实践视角。
为什么类神经网络可以正确分辨宝可梦和数码宝贝呢
本课程由台湾大学李宏毅教授开发，主要介绍类神经网路在宝可梦和数码宝贝分辨任务中的应用，探讨可解释机器学习的重要性，包括如何让类神经网路更具可解释性、关键组件分析、实验结果展示以及梯度噪声和饱和等现象的讨论。
大型语言模型修练史
本课程由台湾大学李宏毅教授开发，主要介绍大型语言模型的修炼历程，分为三个阶段：自我学习与累积实力、名师指点与发挥潜力、参与实战与打磨技巧。课程从基础预训练讲起，逐步深入到指令微调和强化学习，帮助学员了解大型语言模型的训练方法。
以大型语言模型打造的AI Agent
本课程由台湾大学李宏毅教授开发，主要介绍如何利用大型语言模型构建AI Agent，涵盖其基础概念、未来趋势及多样化应用场景。通过实际案例和技术解析，帮助学员了解AI Agent的运作机制及其在复杂任务中的潜力。
第三阶段：生成式人工智能的评估、安全与可解释性
第三阶段：生成式人工智能的评估、安全与可解释性
学会评估生成式人工智能模型的能力和安全性，探讨其在道德和安全方面的问题，同时深入了解模型内部的运行机制和可解释性。
学会评估生成式人工智能模型的能力和安全性，探讨其在道德和安全方面的问题，同时深入了解模型内部的运行机制和可解释性。
浅谈大型语言模型能力检定的各种方式
本课程由台湾大学李宏毅教授开发，主要介绍如何检定大型语言模型的能力，涵盖从基础评比方法到复杂评估挑战的全面内容。通过实际案例和最新研究，探讨语言模型在生成、理解、推理等方面的表现，并分析评比结果的局限性及其他影响因素。
浅谈大型语言模型相关的安全性议题
本课程由台湾大学李宏毅教授开发，主要介绍大型语言模型在安全性方面的关键议题，涵盖模型偏见、事实查核、生成内容侦测、以及对抗性攻击等内容。通过实际案例和解决方案，帮助学员深入理解语言模型的安全隐患及其应对策略。
Transformer详解：从模型原理到训练应用
本课程由台湾大学李宏毅教授开发，主要介绍Transformer在自然语言处理中的应用。课程从基础概念出发，详尽解析运作机制，并探讨训练与优化技术，通过学习，帮助学员了解Transformer的前沿技术与应用场景。
今日的语言模型是如何做文字接龙的
本课程由台湾大学李宏毅教授开发，主要介绍生成式AI中的语言模型技术，深入探讨语言模型如何通过类神经网络技术进行文字接龙。课程将从基础概念出发，逐步讲解语言模型的演进历程、重点剖析Transformer的运作机制，最后探讨当前面临的挑战与研究方向。
大型语言模型在“想”什么呢
本课程由台湾大学李宏毅教授开发，主要介绍大型语言模型的内部工作机制及其可解释性研究。通过从动漫作品引入，逐步深入探讨语言模型的“黑盒子”特性，分析影响模型输出的关键因素，并介绍提升模型可解释性的方法。
用语言模型来解释语言模型
本课程由台湾大学李宏毅教授开发，主要介绍如何利用大语言模型（如GPT-4）解释其他语言模型（如GPT-2）中神经元的内部行为与功能，探索人工智能模型的可解释性方法，并讨论当前解释框架的潜力与局限性。
浅谈大型语言模型能力检定的各种方式
本课程由台湾大学李宏毅教授开发，主要介绍如何检定大型语言模型的能力，涵盖从基础评比方法到复杂评估挑战的全面内容。通过实际案例和最新研究，探讨语言模型在生成、理解、推理等方面的表现，并分析评比结果的局限性及其他影响因素。
浅谈大型语言模型相关的安全性议题
本课程由台湾大学李宏毅教授开发，主要介绍大型语言模型在安全性方面的关键议题，涵盖模型偏见、事实查核、生成内容侦测、以及对抗性攻击等内容。通过实际案例和解决方案，帮助学员深入理解语言模型的安全隐患及其应对策略。
Transformer详解：从模型原理到训练应用
本课程由台湾大学李宏毅教授开发，主要介绍Transformer在自然语言处理中的应用。课程从基础概念出发，详尽解析运作机制，并探讨训练与优化技术，通过学习，帮助学员了解Transformer的前沿技术与应用场景。
今日的语言模型是如何做文字接龙的
本课程由台湾大学李宏毅教授开发，主要介绍生成式AI中的语言模型技术，深入探讨语言模型如何通过类神经网络技术进行文字接龙。课程将从基础概念出发，逐步讲解语言模型的演进历程、重点剖析Transformer的运作机制，最后探讨当前面临的挑战与研究方向。
大型语言模型在“想”什么呢
本课程由台湾大学李宏毅教授开发，主要介绍大型语言模型的内部工作机制及其可解释性研究。通过从动漫作品引入，逐步深入探讨语言模型的“黑盒子”特性，分析影响模型输出的关键因素，并介绍提升模型可解释性的方法。
用语言模型来解释语言模型
本课程由台湾大学李宏毅教授开发，主要介绍如何利用大语言模型（如GPT-4）解释其他语言模型（如GPT-2）中神经元的内部行为与功能，探索人工智能模型的可解释性方法，并讨论当前解释框架的潜力与局限性。
第四阶段：生成式人工智能的生成策略与影像生成技术
第四阶段：生成式人工智能的生成策略与影像生成技术
掌握生成式人工智能的不同生成策略，了解影像生成式 AI 的原理和方法，包括各种经典影像生成模型，同时探索语言模型在实际应用中的拓展和优化。
掌握生成式人工智能的不同生成策略，了解影像生成式 AI 的原理和方法，包括各种经典影像生成模型，同时探索语言模型在实际应用中的拓展和优化。
为什么语言模型用文字接龙，图片生成不用像素接龙呢
本课程由台湾大学李宏毅教授开发，主要介绍生成式AI在文字与图像领域为何采用截然不同的生成策略。通过对比分析自回归与非自回归模型的核心原理、计算效率及其在不同模态下的应用优劣，阐释为何“文字接龙”适用于语言模型，而“像素接龙”却不适合现代图像生成，并介绍将两者优势结合的混合方法。
可以加速所有语言模型生成速度的神奇外挂
本课程由台湾大学李宏毅教授开发，主要介绍Speculative Decoding这一革命性的推理加速技术。通过剖析其“猜测-验证”的核心思想与架构，阐释它如何在不损失生成质量的前提下，显著提升以LLaMA为代表的大语言模型的生成速度，并探讨其未来的演进方向。
Diffusion Model：扩散模型核心原理与应用
本课程由台湾大学李宏毅教授开发，主要介绍扩散模型的核心运作与实践。课程首先对Diffusion Model整体运作框架的阐明，进而深入解析执行核心运算的Denoise模组内部机制，最后探讨该技术最典型的Text-to-Image应用，为学员建立从原理到应用的完整知识体系。
Flow-based Method：流式模型核心机制与实现
本课程由台湾大学李宏毅教授开发，主要介绍流的生成方法。课程从生成式模型的背景出发，系统讲解流式模型的构建基础、核心思想与关键架构，通过分析经典模型与实现案例，帮助学员建立起对该前沿生成范式的整体理解。
Generative Adversarial Network：生成对抗网络原理与机制剖析
本课程由台湾大学李宏毅教授开发，主要介绍生成对抗网络的完整知识体系。课程从GAN的基本概念与领域影响切入，系统讲解其核心的对抗思想与迭代训练算法；进而将其置于结构化学习的理论框架下，深度剖析生成器与判别器各自的原理、局限及协同机制；最终通过实际案例阐明其整体优势。
Variational Auto-encoder：从VAE到GAN的生成模型解析
本课程由台湾大学李宏毅教授开发，主要介绍两大生成式模型VAE与GAN。内容涵盖VAE的背景、原理与实现，剖析其局限；并在此基础上深入讲解GAN的基本原理、架构设计及实际应用中的挑战。
有关影像的生成式AI
本课程由台湾大学李宏毅教授开发，主要介绍AI生成图片与视频的基本原理与前沿技术。涵盖文生图、图生图等应用场景，剖析像素构成及评量方法，解读VAE、GAN、Diffusion等经典模型，并探索互动生成与Sora背后的技术潜力。
为什么语言模型用文字接龙，图片生成不用像素接龙呢
本课程由台湾大学李宏毅教授开发，主要介绍生成式AI在文字与图像领域为何采用截然不同的生成策略。通过对比分析自回归与非自回归模型的核心原理、计算效率及其在不同模态下的应用优劣，阐释为何“文字接龙”适用于语言模型，而“像素接龙”却不适合现代图像生成，并介绍将两者优势结合的混合方法。
可以加速所有语言模型生成速度的神奇外挂
本课程由台湾大学李宏毅教授开发，主要介绍Speculative Decoding这一革命性的推理加速技术。通过剖析其“猜测-验证”的核心思想与架构，阐释它如何在不损失生成质量的前提下，显著提升以LLaMA为代表的大语言模型的生成速度，并探讨其未来的演进方向。
Diffusion Model：扩散模型核心原理与应用
本课程由台湾大学李宏毅教授开发，主要介绍扩散模型的核心运作与实践。课程首先对Diffusion Model整体运作框架的阐明，进而深入解析执行核心运算的Denoise模组内部机制，最后探讨该技术最典型的Text-to-Image应用，为学员建立从原理到应用的完整知识体系。
Flow-based Method：流式模型核心机制与实现
本课程由台湾大学李宏毅教授开发，主要介绍流的生成方法。课程从生成式模型的背景出发，系统讲解流式模型的构建基础、核心思想与关键架构，通过分析经典模型与实现案例，帮助学员建立起对该前沿生成范式的整体理解。
Generative Adversarial Network：生成对抗网络原理与机制剖析
本课程由台湾大学李宏毅教授开发，主要介绍生成对抗网络的完整知识体系。课程从GAN的基本概念与领域影响切入，系统讲解其核心的对抗思想与迭代训练算法；进而将其置于结构化学习的理论框架下，深度剖析生成器与判别器各自的原理、局限及协同机制；最终通过实际案例阐明其整体优势。
Variational Auto-encoder：从VAE到GAN的生成模型解析
本课程由台湾大学李宏毅教授开发，主要介绍两大生成式模型VAE与GAN。内容涵盖VAE的背景、原理与实现，剖析其局限；并在此基础上深入讲解GAN的基本原理、架构设计及实际应用中的挑战。
有关影像的生成式AI
本课程由台湾大学李宏毅教授开发，主要介绍AI生成图片与视频的基本原理与前沿技术。涵盖文生图、图生图等应用场景，剖析像素构成及评量方法，解读VAE、GAN、Diffusion等经典模型，并探索互动生成与Sora背后的技术潜力。
补充学习阶段：GPT - 4o 背后可能的语音技术猜测
补充学习阶段：GPT - 4o 背后可能的语音技术猜测
了解前沿的生成式人工智能技术发展，如 GPT - 4o 背后的语音技术猜测，拓宽对该领域技术发展趋势的视野。
了解前沿的生成式人工智能技术发展，如 GPT - 4o 背后的语音技术猜测，拓宽对该领域技术发展趋势的视野。
GPT-4o 背后可能的语音技术猜测
本课程由台湾大学李宏毅教授开发，主要介绍GPT-4o语音模式的技术猜想，从模式特性与范畴界定入手，系统探讨语音语言模型的训练原理与对齐机制，并分析实现“听、说、看”多模态交互背后的潜在系统架构与核心技术挑战。
GPT-4o 背后可能的语音技术猜测
本课程由台湾大学李宏毅教授开发，主要介绍GPT-4o语音模式的技术猜想，从模式特性与范畴界定入手，系统探讨语音语言模型的训练原理与对齐机制，并分析实现“听、说、看”多模态交互背后的潜在系统架构与核心技术挑战。