本节课中我们一起学习了如何使用 LangGraph 从零构建 STORM 系统。我们深入探讨了如何将主题扩展角色扮演（编辑与专家）和检索增强生成相结合，通过一个由 LangGraph 管理的多轮辩论循环来深化对主题的理解，并最终利用这些讨论内容自动生成结构严谨、信息丰富的维基百科风格文章。这个项目展示了智能体协作和复杂工作流编排的强大能力，是构建高级 AI 助手的优秀范例。本节课中我们一起学习了构

本节课我们一起学习了在没有明确奖励函数的情况下，如何通过专家示范来训练智能体。我们首先指出了行为克隆这种简单模仿方法的局限性。接着，我们深入探讨了逆向增强式学习的核心思想：从专家示范中反推奖励函数。我们详细讲解了IRL的迭代算法流程，并将其与生成对抗网络的框架进行了类比，揭示了其中的内在联系。最后，我们看了IRL在机器人操控等领域的应用，并展望了其让智能体性能超越人类的可能性。通过本节学习，你应该

本节课中我们一起学习了生成式AI模型的安全性问题，并通过动手实践完成了两项评估任务。在任务一中，我们观察了基础模型（Llama 2）与经过人类反馈对齐的模型（Tulu 2 DPO）在跟随有害上下文生成内容方面的差异。通常，Tulu 2 DPO更能识别并拒绝生成有害内容。在任务二中，我们评估了模型在面对信息模糊的问题时，是否依赖刻板印象进行判断。通过统计模型在大量模糊问题上选择“未知”答案的比例，我

在深入探讨生成式人工智能之前，我们需要先了解什么是人工智能（Artificial Intelligence, AI）。从字面上看，人工智能指的是由人创造出来的、由机器展现的智慧。然而，“智慧”本身是一个模糊且没有标准定义的概念。不同的人对“智慧”的想象可能完全不同。例如，有人认为会对话的ChatGPT是AI，而有人则认为必须是一个能跑动的机器人才算AI。因此，人工智能这个词本身并没有一个清晰、统一

在深入探讨生成式人工智能之前，我们需要先了解什么是人工智能（Artificial Intelligence, AI）。从字面上看，人工智能指的是由人创造出来的、由机器展现的智慧。然而，“智慧”本身是一个模糊且没有标准定义的概念。不同的人对“智慧”的想象可能完全不同。例如，有人认为会对话的ChatGPT是AI，而有人则认为必须是一个能跑动的机器人才算AI。因此，人工智能这个词本身并没有一个清晰、统一

本节课中我们一起学习了生成式AI模型的安全性问题，并通过动手实践完成了两项评估任务。在任务一中，我们观察了基础模型（Llama 2）与经过人类反馈对齐的模型（Tulu 2 DPO）在跟随有害上下文生成内容方面的差异。通常，Tulu 2 DPO更能识别并拒绝生成有害内容。在任务二中，我们评估了模型在面对信息模糊的问题时，是否依赖刻板印象进行判断。通过统计模型在大量模糊问题上选择“未知”答案的比例，我

文本摘要的任务是：当你有一篇很长的文章，自己懒得看，希望 AI 先帮你总结好，你直接看总结版本。我们希望语言模型拿到一篇文章后，能帮我们重新整理并总结。如果使用网页版 ChatGPT，我们会这样做：先想一个提示词，例如“Please summarize this for me”。然后把文章内容贴在下面。发送后，ChatGPT 就会把摘要结果放在这里。网页版 ChatGPT 和 API 版在代码中的

文本摘要的任务是：当你有一篇很长的文章，自己懒得看，希望 AI 先帮你总结好，你直接看总结版本。我们希望语言模型拿到一篇文章后，能帮我们重新整理并总结。如果使用网页版 ChatGPT，我们会这样做：先想一个提示词，例如“Please summarize this for me”。然后把文章内容贴在下面。发送后，ChatGPT 就会把摘要结果放在这里。网页版 ChatGPT 和 API 版在代码中的

本节课我们一起学习了工业界推荐系统的核心知识。我们从宏观架构入手，了解了分层设计的系统全貌。然后深入探讨了特征工程，包括Item特征、用户画像、特征类型及处理方式。接着，我们分析了召回阶段的作用与经典协同过滤算法（SVD, SVD++）。最后，我们介绍了精排阶段的深度学习模型，如Wide & Deep和解决实际业务难题的ESMM模型。希望本课程能帮助你建立起对工业级推荐系统的整体认知，并为深入该领

Ultralytics YOLO 是备受赞誉的 YOLO（You Only Look Once）系列的最新进展，用于实时目标检测和图像分割。它通过引入新功能和改进来建立在之前版本的基础上，提升了性能、灵活性和效率。YOLOv8 支持多种视觉 AI 任务，如检测、分割、姿态估计、跟踪和分类。其先进的架构确保了超高的速度和精度，适用于各种应用场景，包括边缘设备和云 API。在您的数据集上训练自定义 Y