優化總覽——SGD、Adam、學習率排程與縮放規則｜MIT 6.7960 主題單元
從 SGD 到 Adam，用縮放規則一次搞懂深度學習優化器怎麼選、學習率怎麼調
tech
529 篇文章PS1 實作走查：從 NumPy 手寫 MLP 到 PyTorch Autograd 反向傳播｜MIT 6.7960 作業 1
手寫 NumPy MLP + 反向傳播 → PyTorch Autograd 驗證，完整複現 OCW HW1 核心考點
正則化實戰——Weight Decay、Dropout、Batch Norm 與標籤平滑｜MIT 6.7960 主題單元
正則化不只是防過擬合——Weight Decay、Dropout、BN、Label Smoothing 的機制與組合策略一次看懂
沙箱作為獨立商業產品：Modal $300M ARR 啟示
沙箱系列的商業篇（order 27）。Modal 沙箱從功能變成 $300M–$1B 年化運營率的獨立產品線，說明沙箱如何從「功能」變成「產品」，定價與包裝策略，以及對自建與託管決策的啟示。
金融/醫療合規與沙箱審計
沙箱系列的安全篇（order 24）。金融與醫療等受管行業用沙箱要符合什麼合規要求（SOC 2、HIPAA、GDPR、ISO 27001），審計怎麼做，資料主權與跨境限制。
沙箱成本模型：wall-clock vs active-CPU 計費
沙箱系列的成本篇（order 26）。比較 wall-clock 與 active-CPU 兩種計費模式，各隔離層級成本差異，以及如何估算月成本與避免隱藏費用。
沙箱生命週期管理：暫停、快照、休眠與恢復
沙箱系列的業務篇（order 28）。沙箱生命週期管理：暫停（pause）、快照（snapshot）、休眠（hibernation）、恢復（resume）的概念、實作方式、與長任務的適用場景。
沙箱可觀測性與審計軌跡
沙箱系列的安全篇（order 23）。沙箱執行的工具呼叫、檔案操作、網路請求如何建立可審計軌跡，trace-level 可見度、immutable 日誌、SIEM 整合，以及委譲鏈身份落差。
AI Agent 雲端沙箱產品全景與選型矩陣
沙箱系列的雲端全景篇（order 7）。彙整 E2B、Daytona、Runloop、Vercel、Cloudflare、Modal、AWS Bedrock AgentCore、阿里雲 OpenSandbox、Azure Container Apps 九家雲端沙箱供應商的定位、定價、冷啟動、隔離強度與適用場景，附選型決策矩陣。
沙箱系列導讀：AI Agent 執行環境閱讀地圖
「沙箱系列」的總覽導讀（order 0）。說明 AI agent 執行不可信程式碼時該跑在哪一層隔離環境、選哪家供應商、以及怎麼設定權限、憑證與網路邊界；詳細技術內容分散在八個子系列，這篇只做導覽。
自架沙箱：Kata Containers、Kubernetes agent-sandbox、BYOC
沙箱系列的自架篇（order 17）。Kata Containers、Kubernetes-sigs/agent-sandbox 與 BYOC 模式的企業自建沙箱選型、架構與遷移策略，以及自建 vs 託管的決策框架。
WebAssembly 沙箱：Wasmtime、WasmEdge、Wasmer 與 Pyodide
WebAssembly 沙箱是比容器更輕、比 microVM 更快的第四層隔離選項。Wasmtime、WasmEdge、Wasmer 三大 runtime 的 2026 年狀態、與 Pyodide 的 Python 執行，以及適用場景與限制。
為什麼不能直接讓 agent 跑在你的機器上
沙箱系列的動機篇（order 1）。讓 AI agent 執行不可信程式碼時，直接風險包括資料外洩、權限提權、橫向移動、供應鏈中毒、持久性後門——沙箱不是可選加購，而是第一道防線。
Cloudflare AI Search 怎麼用：資料來源、混合檢索與 Workers 綁定的完整解析
前身 AutoRAG 的託管搜尋原語：丟文件進內建儲存或綁 R2／網站，自動走 Markdown 轉換、切分與向量加 BM25 索引，透過 hybrid 加 RRF 加 rerank 檢索，並以 namespace 與 instance 兩種綁定或 REST 與 MCP 在 Worker 與 Agent 內查詢。
GPUtw.ai 是什麼：台灣在地 GPU 雲端、短租算力與研究者工作流
GPUtw.ai 是台灣在地的短租 GPU 雲端，核心不是最大規模的算力，而是台灣機房、預付點數、Jupyter/ComfyUI/Ollama/vLLM 範本、Vault 與團隊帳務。公開資料足夠做服務介紹，還不足以當正式採購或 production 背書。
問「我想找入門的ai課程」卻回 0 筆？RAG 中文分詞與資料鏈路脫節除錯實戰
在 Ask AI 輸入「我想找入門的ai課程」顯示搜尋文章 0 筆並觸發拒答，底部的延伸閱讀卻精準推薦相關文章。第一輪修正中文斷詞、LIKE fallback 與 Vectorize 資料鏈路；第二輪再補漢字＋數字短詞、文章 metadata 檢索，以及只在 Validation／Critic 通過後顯示來源。
開學前先做這 4 題，卡哪題就先補哪裡｜Harvard CS181 作業 0
HW0 用四題檢查 CS181 的先修：矩陣 y=Xw 的可解條件、目標函數的微分與優化、機率推理，以及用 Python 實作 OLS。做不順的地方就是開學後要優先補的缺口。
冰芯溫度迴歸 — kNN、核迴歸、基底函數與正則化四題導讀｜Harvard CS181 作業 1
HW1 用 80 萬年冰芯溫度資料串起四題：kNN 與核迴歸、最小平方法的幾何證明、基底函數迴歸、以及從機率觀點推出 ridge／LASSO 正則化，最後用 coordinate descent 實作 LASSO。
2026 七份作業怎麼跟？四年版本一次看懂｜Harvard CS181 課程總覽
CS181 2026 以 hw0–6 七份作業為週節拍、官方課表未列對應講次的公開錄影但 A3 可自學；2025 多 practical、2024 雙期中、2023 單授 Weiwei Pan。看懂四年沿革後，從 HW0 體檢先修再逐週跟最穩。
Search——從 DFS、BFS、A* 到 Minimax 與 Alpha-Beta 剪枝｜Harvard CS50 AI 第 0 週
第 0 週講搜尋：DFS 與 BFS 只差在 frontier 用 stack 還是 queue；A* 把已走步數加上啟發式估計，啟發式不高估時能保證最短路；Minimax 讓雙方輪流取最大與最小值，Alpha-Beta 剪掉不會影響結果的分支。附逐段時間連結，以及 Degrees、Tic-Tac-Toe 兩個專案的解題思路、易錯處與檢查方式；參考實作摺疊在各專案最後。