LLM/SLM

LLM/SLM 不同面向的討論都在這邊，子主題招募中

觀點卡列表

• RAG 客服真正難的是把問題送對地方 - 作者：陳思維
• 教育型 RAG 的關鍵，不只是找到答案 - 作者：Oliver 老師
• AI 解讀文化資料：以 Vedic Chart 為例，分清計算結果與模型敘述 - 作者：toolina
• 高滿意度不等於公平的訪談 - 作者：袁怡萱
• 看 MoE 模型不能只看參數總量 - 作者：十年大博士
• AI 進了醫院，流程才算開始。使用率才是考試 - 作者：陳逸 Dr.
• 醫療 AI 真正的考題是能不能進入日常工作 - 作者：陳逸 Dr.
• 學校導入 AI，先把共同底座做好 - 作者：Oliver 老師
• 醫療 RAG 要能讓人重現判斷 - 作者：陳逸 Dr.
• AI 家教真正要累積的是教學判斷 - 作者：Oliver 老師
• 能跑的 Demo 距離可靠產品還差一整套測量系統 - 作者：陳思維
• 我讓 LLM 幫忙校對。觀點和語氣，我自己留著！ - 作者：Stella
• LLM 真的能加速晶片設計嗎 - 作者：陳思維
• 三元 LLM 的 1.58-bit 之後：壓縮格式如何變成推論效能 - 作者：陳思維
• AI 會解題 不代表它真的會學 - 作者：Oliver 老師
• 先學會驗證 再學 AI 框架 - 作者：Oliver 老師
• Stripe 買的不是模型路由。買的是 AI 世界的入口權 - 作者：搖擺熊
• 你會把 reasoning trace 當機密嗎 - 作者：咖啡驅動開發
• 本地能跑，才算開放 - 作者：搖擺熊
• eval harness 不升級，能力評估就是在量一個假設 - 作者：十年大博士