YouTube视频
打开Neural Networks: Zero to Hero
Karpathy 用从零实现的方式讲解《Neural Networks: Zero to Hero》：不止告诉你结论，还会把关键代码、数据流和取舍拆开。适合希望把大模型原理真正落到实现上的开发者。
把全网优质内容，整理给你看。
精选国内外创作者的优质视频、文章与播客，帮你节省搜索时间，专注真正有价值的内容。
YouTube视频
打开The spelled-out intro to language modeling
Karpathy 用从零实现的方式讲解《The spelled-out intro to language modeling》：不止告诉你结论，还会把关键代码、数据流和取舍拆开。适合希望把大模型原理真正落到实现上的开发者。
YouTube视频
打开Let’s build the GPT Tokenizer
Karpathy 用从零实现的方式讲解《Let’s build the GPT Tokenizer》：不止告诉你结论，还会把关键代码、数据流和取舍拆开。适合希望把大模型原理真正落到实现上的开发者。
YouTube视频
打开Let’s reproduce GPT-2
Karpathy 用从零实现的方式讲解《Let’s reproduce GPT-2》：不止告诉你结论，还会把关键代码、数据流和取舍拆开。适合希望把大模型原理真正落到实现上的开发者。
YouTube视频
打开Intro to Large Language Models
Karpathy 用从零实现的方式讲解《Intro to Large Language Models》：不止告诉你结论，还会把关键代码、数据流和取舍拆开。适合希望把大模型原理真正落到实现上的开发者。
YouTube视频
打开State of GPT
Karpathy 用从零实现的方式讲解《State of GPT》：不止告诉你结论，还会把关键代码、数据流和取舍拆开。适合希望把大模型原理真正落到实现上的开发者。
YouTube视频
打开But what is a Neural Network?
《But what is a Neural Network?》的价值在于可视化直觉：把公式背后的几何关系讲清楚。建议在进入深度学习代码或论文前先看，能显著降低后续理解门槛。
YouTube视频
打开Gradient descent, how neural networks learn
《Gradient descent, how neural networks learn》的价值在于可视化直觉：把公式背后的几何关系讲清楚。建议在进入深度学习代码或论文前先看，能显著降低后续理解门槛。
YouTube视频
打开Backpropagation calculus
《Backpropagation calculus》的价值在于可视化直觉：把公式背后的几何关系讲清楚。建议在进入深度学习代码或论文前先看，能显著降低后续理解门槛。
YouTube视频
打开But what is a transformer?
《But what is a transformer?》的价值在于可视化直觉：把公式背后的几何关系讲清楚。建议在进入深度学习代码或论文前先看，能显著降低后续理解门槛。
YouTube视频
打开Attention in transformers
《Attention in transformers》的价值在于可视化直觉：把公式背后的几何关系讲清楚。建议在进入深度学习代码或论文前先看，能显著降低后续理解门槛。
YouTube视频
打开What are AI agents?
来自 Google Cloud 的一手分享，聚焦《What are AI agents?》涉及的真实能力边界与落地方式。适合在实际选型、设计 Agent 或评估模型前建立可靠判断。