成長日誌
記錄每天的學習與實踐,累積自己的成長軌跡
833最新天數36文章總數2023.03.15開始記錄
所有文章
最新發佈
Day 833
日常學習第833天:LLM 推理成本三年跌 300 倍,為什麼你的雲端帳單沒跟著跌?
LLM 推理成本三年跌了 300 倍,但許多團隊的雲端帳單卻逐月上升。本文從 Stanford AI Index 2026 的數字出發,拆解技術成本曲線與實際商業成本脫鉤的原因,幫助你判斷目前的 AI 支出是投資還是學費。

Day 832
日常學習第832天:認識 WebMCP,讓網站像 API 一樣直接交給 AI Agent
WebMCP 是 Chrome 團隊提出的新概念,讓網站主動向 AI Agent 暴露功能清單。本文整理其核心精神、與傳統網頁自動化的差異,以及對未來網站設計與自動化流程可能帶來的影響。

Day 831
日常學習第831天:AI 的下一個戰場不是更聰明,而是記得更長
Together AI 把長文本訓練推到 500 萬 tokens,這不只是把 context window 拉長那麼簡單。本文從學習筆記角度整理這個突破的真正意義、訓練端的工程難題,以及對 codebase 與 agent 任務的實質影響。

Day 830
日常學習第830天:AI 開發工具的演進趨勢——從純文字回覆到直接生成互動式 UI
本文記錄日常學習第830天的心得,探討 AI 開發工具從傳統「文字與 Markdown」回覆演進至「直接生成互動式 UI」的趨勢,並分析效能除錯與架構分析為何更適合視覺化呈現。

Day 829
日常學習第829天:拆解 AI 圖像生成的數學底層!自迴歸與擴散模型的混合架構趨勢
本篇學習日誌深入剖析 AI 圖像生成背後的兩大數學核心:自迴歸與擴散模型。透過理解「逐字預測」與「漸進去噪」的技術特徵與混合架構趨勢,幫助讀者掌握 AI 繪圖的底層運作邏輯。

Day 828
日常學習第828天:從 SWE-rebench 專案看 AI 評估盲點,破解數據污染的真實能力測試
本文探討 AI 編碼代理評估的核心盲點「數據污染」,介紹 SWE-rebench 專案如何利用 GitHub 最新真實 Bug 測試 AI,幫助工程師理解 AI 是在背誦還是真正具備解決問題的能力。
