UP主： 封面： 简介：李宏毅教授2025年秋季最新版人工智能教学（需要课件的同学请在下方留言）：第一讲 9/12 生成式人工智能的基本原理第二讲 9/19 善用生成式人工智能：Context Engineering & ...
视频选集 第０讲：开场与课程简介 第１讲：一堂课搞懂生成式人工智慧的原理 作业一：Understand the fundamentals of GenAI 第2讲：上下文工程(Context Engineering) — AI Agent 背后的关键技术（包含作业二） 附：一堂课搞懂AI Agent 的原理 附：大型语言模型是如何进行「深度思考」（Reasoning）的？ 第3讲：解剖大型语言模型 附：AI 的脑科学— 语言模型内部运作机制剖析 附：Transformer 的时代要结束了吗？介绍Transformer 的竞争者们 作业三：Exploring Generative AI 第4讲：评估生成式人工智慧能力时可能遇到的各种坑 作业四：LLM Malicious Instruction Defense 附：语言模型的偏见 第5 讲：一堂课搞懂机器学习与深度学习的基本原理 附：宝可梦、数码宝贝分类器— 浅谈机器学习原理 附：Backpropagation 作业五：Regression 第6 讲：一堂课搞懂训练类神经网路的各种诀窍 附：Dropout 附：Pretrain 的详细介绍 附：Pre-train 有多有用？ 附：CNN 附： Normalization 作业六：Deep Learning for Image Classification 第7讲：大型语言模型的学习历程 附： 概述增强式学习(Reinforcement Learning, RL) 附：Policy Gradient 作业七：Finetuning LLM 第8讲：通用模型的终身学习 附：灾难性遗忘(Catastrophic Forgetting)的克服之道 附：生成式人工智慧的后训练（Post-Training）与遗忘问题（33：20开始） 附：人工智慧的微创手术 — 浅谈模型编辑 (23：04开始) 作业八：Fine-tuning Leads to Forgetting 第9讲：影像和声音上的生成策略 附：Variational Autoencoder (VAE) 附：Generative Adversarial Network (GAN) 附：Normalizing Flow 附：Diffusion Model 作业九：Diffusion Model and Its Customization
