Home

以下整理 conditional flow matching、各種 flow matching 類方法，以及與之相近的 mean/probability flow、diffusion/score-based 模型資源。內容除了「連結 + 小結」，也補上核心數學形式與更深入的比較重點，方便閱讀 references 後建立整體心智模型。 Flow Matching 與 Conditional Flow Matching Flow Matching for Generative Modeling (Lipman et al.) 連結：https://arxiv.org/abs/2210.02747 小結：提出以監督學習直接回歸連續流場（ODE 速...

LLM 的發展史 大型語言模型（Large Language Model，LLM）自 2018 年 BERT 等預訓語言模型出現後已經廣泛展開。基於 Transformer 架構，絕大多數 LLM 都以預訓群議的方式進行確穩性和性能的展示。 重要節點 2018 年：BERT 提出，首次設計出台 bidirectional Transformer 架構並展示優越性能。 2020 年：GPT-3 發佈，網紅展示不需要特定預訓的 few-shot 能力。 2022 年：ChatGPT 使用 RLHF 技術，提升人民交互體驗。 2023 年：GPT-4 持續進步於理解細節和領域知識展示上的能力。 今後的 LLM 將會向更大解構與多模態模型發展，望能夠讓人民更容易使用。