AI 領域的變化相當快速，很有可能筆者今天寫的介紹，明天框架一個大改就不能用了。或者突然出現一個驚人的模型，取代了所有 Transformer Decoder LM 架構，那筆者寫的這個系列文九成都沒用了，這也是不無可能的。
因此我們需要不斷的學習，去接觸、去瞭解、去咀嚼新的知識。但人的時間是有限的，沒有人可以全知全能，要很有效率且方向正確的吸收知識，其實是相當困難的課題。筆者也還處於摸索的階段，與大家分享一下個人接觸新知的管道。
看論文是個非常好的管道，可以到各大 AI 龍頭的 Publication 頁面尋找他們發表的論文，也可以用 Google Scholar 尋找相關論文，而筆者自己比較常關注 arXiv 上 cs.CL 領域的最新論文。
arXiv 上的論文有個好處，很多論文都會附上論文原始碼，通常是 Latex 格式。除了純文字格式以外，往往也能看到一些作者的註解，這是從 PDF 上看不到的部份。有時候這些註解反而能讓人豁然開朗，原來實驗數據這樣呈現是為了隱藏系統的缺陷啊。
雖然「論文」一詞給人很學術的感覺，但是在資訊領域，其實就很像我們在鐵人賽裡面看到的技術文章，只是他是用英文寫的而已。推薦可以看看那些有公開原始碼專案的論文，將程式碼與論文搭配著看，可以更容易吸收裡面的內容。
在 GitHub Trending 上可以看到最近的熱門專案，雖然不是每個都跟 LLM 有關，但 LLM 的熱潮應該還會再燒一陣子，所以能經常看到與 LLM 相關的專案。也可以下載手機版的 GitHub，有事沒事就打開來看看有什麼有趣的專案，喜歡的話就幫他點顆星，這樣 GitHub 就會推薦一些相關的專案給你參考。
HF Blog 經常會分享一些技術觀念文章，因為 HuggingFace 的開發團隊經常在整合最新潮的技術，完成整合後也會在第一時間發表到部落格上，套件本身甚至都還沒進版。因此追隨 HF Blog 也能觀察到現在在流行什麼技術，而這個社群又在意哪些技術。
從 HF Hub 首頁可以看到最近的趨勢，大家都在下載哪些模型、資料集，或者在玩哪些 Space 的 Demo 系統。點進這些熱門的模型看看，他們又改進了哪些訓練方法，在留言區也能看到大家為什麼喜歡這個模型，或者這個模型還有哪些缺陷需要改進。
假設你不像筆者每天都在當薪水小偷，有很多時間可以隨意閱覽論文，那可以考慮看看 HF Daily Paper 每天推薦的論文。
iThome 的分享的技術新聞也是相當優質！但是偶爾，真的很偶爾，文章的內容會有一絲絲的不大正確。但是沒關係，記者通常都會附上來源，對於有疑惑的部份，可以點進資料來源研究原文，現在也能借助 ChatGPT 的力量來閱讀與核實這些新聞。
最後別忘了，與人互動也是個很好的學習方法。如果在讀論文時遇到問題，不妨試試看寄 Email 詢問原作者，筆者就曾經這樣做並且得到了良好的回應，解決了當下的煩惱，令人相當感激。如果是在 GitHub 上遇到問題，可以發 Issue 尋求協助，但請記得遵循該專案的相關規範。保持謙虛有禮的態度，也更容易讓大家願意協助你解決問題。
在筆者打鐵人賽的期間，ChatGPT 也正式推出讓模型理解圖片的功能了，使用起來的效果相當驚人，雖然不是每次都能理解的相當準確，但已經是個非常厲害的成果了。筆者相信未來趨勢會是多模態 (Multimodality)，不僅讓文字結合圖片，甚至是聲音（非人聲）、影片或視訊等等，都是相當有潛力的。
另外 Rust 與 Mojo 也是是值得關注的程式語言，像是 HF Tokenizer 就是以 Rust 實做的。Mojo 一直到最近才開放給大眾使用，但已經出現 llama2.mojo 這種專案，其成果也是相當驚人。
有人在優化底層實做，也有人在強化上層框架。從 vLLM 這種優化推論的框架，到 LangChain 這種應用開發的框架，都在不斷改進我們使用 LLM 的體驗。
除了文字模型以外，還有許多其他的 AI 模型，例如 Whisper ASR 語音辨識模型，Stable Diffusion 圖像生成模型，甚至還有 Kosmos-2.5 這種排版文件生成的模型。
終於到了最後一天！真的很高興能夠完成這次的鐵人賽，與大家分享我的 LLM 學習歷程。感謝 jtlin1206, ydggg6, sharonliu 與 Bonnie1226 被我拉進鐵人賽感受痛苦的隊友們，他們寫的文章也非常優質，大家一定要去看。感謝我的朋友們，每天都在我寫文章的無聊實況上監督我。最後感謝我的家人，中秋與國慶連假每天窩在家裡也不罵我，還給我支持與鼓勵 🙏
下台一鞠躬 🎉
恭喜完賽~~
有機會和你學習 LLM 相關的知識真是太棒了，這也是這次想和你一起參加鐵人賽的原因之一
為了留言我還要先去解新手任務，看來我真的還是新手 
感謝～能觀摩 JT 大神的介紹風格也讓我相當受用 
iThome鐵人賽
看影片追技術