# 章節包：自然語言處理（NLP）W1（9/10）第 04 章「課程安排、評分與同學問答」 影片 0:48:49–1:13:25，YouTube ID EEbwXXoVQPY。Notion 章節頁 https://app.notion.com/p/3e7fc631b0308153ba81da585f28e341（頁 ID 3e7fc631-b030-8153-ba81-da585f28e341），頁面標題「04 課程安排、評分與同學問答（0:48–1:13）」。 ## 1. 第一行（直接照抄，不要改） [自然語言處理](https://app.notion.com/p/3e6fc631b03081b4a9e8f91f3411f61f) › [W1（9/10）](https://app.notion.com/p/3e7fc631b0308199953aef38ee86b0ae) › 04｜影片 [0:48:49–1:13:25](https://www.youtube.com/watch?v=EEbwXXoVQPY&t=2929s)｜投影片 Syllabus p.43–51｜上一章 [03 NLP 層次、語言模型與發展史（0:34–0:48）](https://app.notion.com/p/3e7fc631b03081f5bf0bf5126d7f9472)｜下一章 [05 預訓練模型改變 NLP 做法（1:13–1:35）](https://app.notion.com/p/3e7fc631b03081c69424e055b260badc) ## 1b. 最後一行（直接照抄，放在 Self-check 後面，當全頁最後一行） 讀完了嗎？下一章：[05 預訓練模型改變 NLP 做法（1:13–1:35）](https://app.notion.com/p/3e7fc631b03081c69424e055b260badc)｜回到週頁：[W1（9/10）](https://app.notion.com/p/3e7fc631b0308199953aef38ee86b0ae) ## 2. 各段標題（照順序；每段一個 ## 標題，直接照抄連結） - `## [0:48:49](https://www.youtube.com/watch?v=EEbwXXoVQPY&t=2929s) 課程內容與助教課`　老師講什麼：助教課約 3–6 小時，教 Python 做 NLP、Hugging Face、RAG 框架。內容從基礎 NLP、RNN／LSTM 到 Transformer 與 LLM，今年加 reasoning 與 agent；不教語音、不教怎麼下 prompt、不設計新模型。 - `## [0:51:05](https://www.youtube.com/watch?v=EEbwXXoVQPY&t=3065s) 今年為什麼加考試`　老師講什麼：作業心得寫得很深入，但實驗根本沒做，看得出是 AI 代寫。老師希望大家跟 AI 同步成長，所以加一場實體考試，不會考背模型或公式。 - `## [0:52:14](https://www.youtube.com/watch?v=EEbwXXoVQPY&t=3134s) 取消專題、作業 75％`　老師講什麼：4 份作業占 75%，考試 25%。取消期末專題，因為人太多、分組麻煩、難判斷貢獻。考試排在 W14，避開期末考週；清大 X-class 的同學要確定那週能出席。 - `## [0:53:45](https://www.youtube.com/watch?v=EEbwXXoVQPY&t=3225s) 去年分數與作業批改`　老師講什麼：去年中位數接近 80，作業難度中偏低；少交一份作業分數就會掉很多。作業由人工助教與 AI 協作批改，評分標準今年會寫清楚。 - `## [0:55:56](https://www.youtube.com/watch?v=EEbwXXoVQPY&t=3356s) 這門課適合誰、資源在哪`　老師講什麼：要對文字有興趣，這不是一門細講 Transformer 的 AI 課。老師提醒只看三倍速錄影、等寫作業才追進度會很吃力；投影片與影片在 NTU COOL 和課程 GitHub。 - `## [0:57:59](https://www.youtube.com/watch?v=EEbwXXoVQPY&t=3479s) 問答：考場、直播、作業比重`　老師講什麼：外校在各校考場考、有監考老師。遇到放假會預錄，上滿 16 週。每份作業比重約 75÷4，依難度微調；作業是 4 份不是 5 份；有模型訓練基礎就跟得上，部分作業給 template。 - `## [1:01:18](https://www.youtube.com/watch?v=EEbwXXoVQPY&t=3678s) 問答：考試形式與運算資源`　老師講什麼：考試手寫、斷網、閉書；不會要你寫語法精確的程式，以概念題為主。作業資料量會降到個人電腦或 Colab 免費額度跑得動，每次作業前十名多發 Colab 額度；課堂問答、投票可能有參與獎勵。 - `## [1:09:19](https://www.youtube.com/watch?v=EEbwXXoVQPY&t=4159s) 下課後補答：點名、考古題`　老師講什麼：不特別針對哪種語言；不點名；今年第一次考試所以沒有考古題；需要寫程式時可以寫 pseudo code；問題用 email 或 Slido 問；大學生也可以修。 ## 3. 老師強調／會考／不考的地方（原句已驗證；寫進筆記時 ASR 錯字要改正） - (0:51:42) [強調] 「那也不是不行但是我覺得你要跟AI同步成長」 → 加考試的原因：作業心得不能只靠 AI 代寫 - (0:52:01) [不考] 「當然不會叫你去記什麼模型什麼公式怎麼怎麼弄啊」 → 考試不考背模型細節或公式 - (0:55:41) [強調] 「重點是要你自己的insight」 → 作業討論分析要有自己的 insight - (1:01:18) [會考] 「期末考的形式就是實體，坐在教室發考卷這樣子就是用寫的，然後斷網，不能用，沒有openbook這樣子」 → 考試形式：實體手寫、斷網、閉書 - (1:04:18) [不考] 「但是不會叫你要寫出一個沒有bug的code這樣子」 → 不會要求寫出語法精確、能跑的程式 - (1:04:42) [會考] 「就我覺得應該比較high level就是比較，比較，概念型的東西居多」 → 考題以高層次的概念題為主 ## 3b. 數學段候選（程式抓的，只是提示；寫「跳過提示」行用） 0 段候選（門檻 3.0 字／30 秒） ## 4. 這章摘要與重要度 只寫課程頁沒有的：作業 75%＋W14 考試 25%、取消期末專題、作業批改方式與 Colab 資源、考試手寫斷網且以概念題為主，以及 Slido 問答（不點名、沒有考古題、可寫 pseudo code）。（行政） ## 5. 整堂課的提醒（ASR 錯字、老師口誤、投影片缺公式等；只用跟這章有關的） - 0:00:00–0:01:25 還沒開始上課；0:00:36 那串「志願自由生涯、紅色教堂…」是語音辨識幻覺，不是老師講的。 - 下課在 1:07:53，錄影裡只剩約 1 分半（1:07:53–1:09:19），老師說休息 10 分鐘，實際休息時段應該沒錄進去（推測，沒看影片確認）。 - 老師講 Syllabus-115.pdf 不是照頁碼順序：先講 p.1–33，接著跳到 p.43–51（課程內容、評分）和 Slido 問答，下課後才回頭講 p.34–42。所以第 04 章是 p.43–51、第 05 章是 p.34–42。 - 本週投影片是 Syllabus-115.pdf，加上 1:47:14 起的 W1_NLP_brief_v2.pdf p.1–3（檔名的 W1 不等於上課週）。brief p.3 那張「NLP 四階段」圖，W2 一開頭又講了一次。 - Slido 上有幾則助教的文字回覆，影片裡沒講到：考試可以用英文作答；作業有 2–3 週可以交；各校考試由 TAICA 在各校安排考場；清大實體教室在台達館 103；問問題可寄助教信箱 nthuikmlab@gmail.com；「會講 PEFT（LoRA），但 RL 不會講」。 - 第 06 章是下課後第二輪 Slido 問答，裡面有幾則行政回答（可重複提交、遲交扣分、作業調分），因為時間在第 04 章之後，所以留在第 06 章，不併進第 04 章。 - ASR 錯字對照：高鴻宇→高宏宇；自然源處理→自然語言處理；Edward Harvey→Eduard Hovy；LockedIn→Rocling；TradeGPT／TrackGP／ChangeGPT／ChangeBee／trekGPT／checkgpt→ChatGPT；Cloud→Claude；Entropy→Anthropic；Media→NVIDIA；game／GAME→GAN；Tronsky、Transcript 的 hierarchy→Chomsky（hierarchy）；Benji→Bengio；Wall-to-Vector／Vault to Vector／what vector／water vector→word2vec；Transformer Learning→Transfer Learning；Transformer Scratch→from scratch；Sleep／Sleepless→Syllabus；slide／SIDEL（指問答平台時）→Slido；Tica／臺卡／Tiger→TAICA；ntu庫／NTU酷→NTU COOL；摩克斯→MOOCs；持交→遲交；RIL→RL；Prong／PROM→prompt；勸／Chain／圈（指訓練時）→train；PFT→PEFT；Numeration→Normalization（Named Entity Normalization）；構制→構詞；Passing Tree→Parsing tree；Stop War→Stop word；One-Half Vector→One-hot vector；科技大學（0:38:25）→科技大擂台；國客會→國科會；黃淑駿→黃舒駿；regret→reject；deskregent→desk reject；dispution→distribution；Garantee→guarantee。 - 不確定的 ASR：0:50:37「Bloodbath的一系列的東西」推測是 BERT 家族（對照 Syllabus p.44 W9 BERT and its Family）；1:18:49「像中國大陸一樣用針灸的方式」推測是「蒸餾」（distillation）；1:18:00「Tide／Breeze／白龍」應是台灣模型 TAIDE、Breeze、Bailong；0:48:33「K3」不確定是哪個模型；1:34:55「Income」推測是 in-context learning。 - 考試名稱不一致：老師口頭說「期末考」，Syllabus p.44–45 寫 Exam／Midterm Exam（week 14, tentative）。是同一場，排在 W14，不在期末考週。 - 評分舊資料：Slido 同學提到 9/7 郵件寫「作業 70%＋Term Project 30%」，老師 0:59:29 說那是舊資料，現在是作業 75%＋考試 25%，沒有期末專題；p.45 另寫每份作業比重會微調 -3%～+3%。 - 考試算式：W1 老師 1:44:22 說「也許會有一題叫你們算一下 TFIDF」但隨即說好像沒意義；課程頁已寫「不考算式（例如 BM25 公式）」（來自之後的週次）。以課程頁較新的說法為準，筆記不要寫成「會考 TF-IDF 計算」。 - RL 說法不一致：老師 1:42:02 說 RL 設計「會提到啦但是不太會叫你們做」，Slido 助教回覆「會講 PEFT (LoRA), 但 RL 不會講」。理解成：不會有 RL 作業，最多概念帶過。 - 作業時間：老師 1:45:35 說作業「通常是一個月前會公佈」，Slido 助教回覆「作業會有 2～3 個禮拜的時間可以繳交」；兩者說的是不同事（公布時間 vs 繳交期限），寫筆記時不要混在一起。 - 投影片錯字：Syllabus p.38 寫「TD-IDF」，應為 TF-IDF（老師 1:23:49 口頭也說「這打錯了」）；p.7「Ger explanations」應為 Get explanations。 - 修課人數：老師口頭說往年 300–500 人，Syllabus p.3 寫班級人數 1200 人（今年上限），兩者不衝突。 - Syllabus p.47（TAICA 運算資源：100／500 運算元帳號）老師說「有一張投影片我沒有放」，只口頭說會當作業 bonus 發給前十名；投影片上的名額與金額以公告為準（p.47 寫 Wait for announcement）。 ## 6. 投影片文字（這章範圍） **這幾頁的公式或內容只在圖裡（文字檔抓不到），寫 Exam-ready 與公式前先用 Read 看這幾張圖：** - Syllabus p.44 → C:\D槽\TAICA課程\_work\notes-v2\nlp-w1\img\brief_Syllabus_p044.png - Syllabus p.45 → C:\D槽\TAICA課程\_work\notes-v2\nlp-w1\img\brief_Syllabus_p045.png - Syllabus p.46 → C:\D槽\TAICA課程\_work\notes-v2\nlp-w1\img\brief_Syllabus_p046.png - Syllabus p.50 → C:\D槽\TAICA課程\_work\notes-v2\nlp-w1\img\brief_Syllabus_p050.png - Syllabus p.51 → C:\D槽\TAICA課程\_work\notes-v2\nlp-w1\img\brief_Syllabus_p051.png --- Syllabus p.43 --- In this course Basics ◦Python usage NLP Basics NLP with DL ◦Sequential model ◦Generative Models (text) NLP issues in LLM era ◦Reasoning ◦Agentic AI Not included ◦Speech ◦Prompt usage ◦Develop new models ◦Solve GAI problems --- Syllabus p.44 --- Schedule Week Topics Note W1 課程簡介Syllabus / Introduction to NLP W2 自然語言處理簡介(1/2) Introduction to NLP (vector space, indexing, parts of speech, phrase structure) W3 自然語言處理簡介(2/2) Introduction to NLP (Language model) W4 基礎文字資料機器學習(1/2) Basic machine learning for text (Text Classification, NB, NN) W5 基礎文字資料機器學習(2/2) Basic machine learning for text (word embedding, text representation) W6 Python for text tutorial (1/2) W7 Python for text tutorial (2/2) W8 文字生成式AI簡介(1/3) Introduction to GAI (text): Word Embeddings, Language Modeling (RNN), Sequence-to-sequence Models, and Attention Mechanisms, Sub-word Tokenization; Transformers W9 文字生成式AI簡介(2/3) Introduction to GAI (text): ELMo, BERT, GPT, and T5 (BERT and its Family) W10 文字生成式AI簡介(3/3) Introduction to GAI (text): Decoding Strategies and Evaluations for Natural Language Generation W11 大語言模型簡介與訓練(1/3): Large language model concept and training (GPT-3, InstructGPT, RLHF) W12 大語言模型簡介與訓練(2/3): Parameter Efficient Fine-Tuning (PEFT) W13 大語言模型簡介與訓練(2/3): Introduction and Review technique of Retrieval Augmented Generation (RAG) I W14 Exam W15 大語言模型簡介與訓練(2/3): Introduction and Review technique of Retrieval Augmented Generation (RAG) II W16 Reasoning / Agent Lecture Tutorial Reporting Exam The course content is subject to minor adjustments. --- Syllabus p.45 --- Grading Assignments 75 % ◦4 assignments for each student ◦Coding needed ◦The loading of Single assignments will be ”fine-tuned” according to the alternative designs. Their credits will also be slightly changed (-3%~+3%) Midterm Exam 25 % (week 14, Tentative date) This course is X-class in NTHU, you can enroll other courses with the same time slots in NTHU. The exam will be held in person. --- Syllabus p.46 --- Grade in 2025 46 [IMAGE-ONLY] --- Syllabus p.47 --- Computation Resources from TAICA  提供期間：9 月至12 月（3 個月），每個帳號自啟用日起90 天內有效， 若期間未用完將自動失效。 名額與預算：總額9 萬元，您可以參考以下組合，或做任何調整： - 100 運算元帳號（每個帳號約300 元）：100 名 - 500 運算元帳號（每個帳號約1500 元）：40 名 Wait for announcement 47 --- Syllabus p.48 --- Homework evaluation 48 Human-TA批改 AI-TA 協助 Code / Results Evaluation Discussion Evaluation Your Insight, not GPT insight --- Syllabus p.49 --- This course 49 Is designed for ◦對自然語言處理有高度興趣的學生 ◦有一些深度學習模型訓練基礎的學生 ◦想了解why LLM so power? --- Syllabus p.50 --- The hardships of learning 50 [IMAGE-ONLY] --- Syllabus p.51 --- Instructors and TAs ▪Instructors: ◦Hung-Yu Kao 台達館 633 (hykao@cs.nthu.edu.tw) ▪TAs: ▪台達館 7F, Room 714 IKM lab. ▪Course website ▪NTU Cool (https://cool.ntu.edu.tw/courses/41436 ) ▪Github (https://github.com/IKMLab/NTHU_Natural_Language_Processing ) ## 7. 逐字稿（0:48:49 前後各多 1 分鐘，原始行） [00:47:49] 它後面的 [00:47:51] 包裝後的ChatGPT [00:47:53] 所以這個2022年的時候ChatGB出來之後後面就就是大家所熟知的故事 [00:47:59] 就是 [00:47:59] 大概發展是這樣 [00:48:01] 當然你會覺得說這個 [00:48:02] 後面這個四五年 [00:48:04] 發展的很快 [00:48:05] 前面怎麼那麼慢 [00:48:07] 前面 [00:48:08] 都很混嗎 [00:48:08] 沒有其實 [00:48:10] 當然跟硬體的成長有關係 [00:48:12] 當然也跟所有 [00:48:13] 資料量變多了 [00:48:15] 所有運算能力變強也有關係這樣子 [00:48:18] 但是以前 [00:48:18] 這些技術發展其實也是很多 [00:48:21] 這邊有很多的模型大家可以 [00:48:23] 可以看一下如果你都可以知道 [00:48:26] 每一個icon是什麼樣模型那表示你還蠻熟的這樣子 [00:48:30] 我還 [00:48:31] 放一個新的這個 [00:48:33] K3的東西 [00:48:35] 這個AI位很濃的圖 [00:48:39] 我們就看一看就好了 [00:48:40] 從以前到現在這樣子 [00:48:42] 這個比較像給小朋友看的 [00:48:45] 那 [00:48:49] 這個我等一下再回過頭 [00:48:54] 我先秀一下我們這堂課 [00:48:56] 這堂課會教的東西 [00:48:58] 我們會有助教課 [00:49:01] 在助教課大概就是 [00:49:03] maybe是 [00:49:04] 三到六個小時 [00:49:06] 其實也是教大家 [00:49:08] 呃 [00:49:08] 怎麼用Python做NLP的東西 [00:49:12] 或是 [00:49:13] 像後面RAG的東西會教一些 [00:49:15] Hugging face上或是 [00:49:18] 這個怎麼呼叫模型的部分這樣子 [00:49:21] 或是教你用這些 [00:49:23] RAG的一些 [00:49:25] 一些framework這樣子 [00:49:27] 那基本上我們會從 [00:49:28] 基礎的NLP開始講起 [00:49:30] 然後從Square model [00:49:34] 從基本上的類成金網路Square model從 [00:49:38] RNN LSTM [00:49:40] 雖然你們現在也不太用這些模型 [00:49:41] 但是我們會從那邊開始講起 [00:49:43] 然後一直到 [00:49:44] Transformer然後到Transformer現在的LM [00:49:47] 大家都會介紹這樣子 [00:49:48] 那 [00:49:49] 這學期我是希望能夠增加一些reasoning的部分 [00:49:53] 因為畢竟 [00:49:54] 現在LM的發展我覺得他已經越來越成熟 [00:49:57] 所以他後來大家外面的包裝的部分 [00:50:00] 或是大家現在想看到的adj的部分 [00:50:03] 我們會 [00:50:04] 帶一下一些比較新的趨勢這樣子 [00:50:08] 但是我其實不會涵蓋到語音 [00:50:10] 也不會教你怎麼用prong [00:50:12] 也不會我們重新設計模型 [00:50:14] 這都比較在 [00:50:16] AI的課程或者是GI的課程會介紹的 [00:50:19] 那課程的 [00:50:21] 內容大概是這樣 [00:50:22] 這是 [00:50:23] 這兩年都是這樣子 [00:50:25] 會簡介然後 [00:50:26] 基礎的部分 [00:50:28] 然後講 [00:50:29] 從wall embedding開始 [00:50:30] 到這些 [00:50:33] sequential的model這樣子 [00:50:35] 然後會介紹這些 [00:50:37] Bloodbath的 [00:50:38] 一系列的東西 [00:50:41] 其實到這邊後面其實就有一點 [00:50:45] 有一點雜了 [00:50:46] 說真的因為他發展非常快 [00:50:48] 但是 [00:50:49] 有些東西又必須要提一下提一下這樣子 [00:50:52] 所以 [00:50:52] 其實會有點雜會有點多 [00:50:55] 但是我想研究所課多半還是這樣 [00:50:57] 就是 [00:50:58] 去 [00:51:00] 觸發就是點一把火讓你們繼續學習這樣子 [00:51:05] 那我們 [00:51:06] 這一次的課程會有一個部分 [00:51:08] 不一樣的地方就是 [00:51:10] 會有一個考試 [00:51:11] 這是 [00:51:13] 有老師建議的 [00:51:15] 就是也有考試因為 [00:51:17] 我也覺得 [00:51:18] 很好 [00:51:19] 因為為什麼呢 [00:51:20] 因為我們主要有四個作業 [00:51:23] 那作業我會叫你們回答一些問題寫一些心得 [00:51:27] 有時候都發現這些學生心得寫的非常好 [00:51:30] 這個 [00:51:31] 這個分析的非常 [00:51:32] 這個深入啊 [00:51:34] 但是看他 [00:51:35] 講的東西好像前面也沒做這些實驗他為什麼知道這些實驗呢 [00:51:37] 他為什麼知道這些實驗呢 [00:51:38] 他為什麼知道這些實驗呢 [00:51:39] 看起來是AI協助這樣子 [00:51:42] 那也不是不行但是我覺得你要跟AI同步成長 [00:51:47] 所以我們會多一個測驗這個測驗是 [00:51:49] in person實體的 [00:51:51] 所以TICA在做實體的考試會有點麻煩 [00:51:55] 因為 [00:51:55] 跨校 [00:51:56] 所以跨校會同時間考這樣子 [00:51:59] 那考試的範圍就是我們教的內容 [00:52:01] 當然不會叫你去記什麼模型什麼公式怎麼怎麼弄啊 [00:52:06] 那個 [00:52:08] 題目我們會再設計 [00:52:09] 但是會有個考試 [00:52:11] 這是這一次比較不一樣的地方 [00:52:14] 然後我們就取消了term project [00:52:16] 這個我們會再講 [00:52:18] 那最主要就是四個assignment [00:52:20] 這再佔75% [00:52:21] 然後一次的期中考 [00:52:23] 那為什麼取消term project呢 [00:52:24] 因為 [00:52:25] 第一個人很多然後 [00:52:27] 以前會花掉太多時間去幫各位分組 [00:52:31] 因為大家有時候也不太認識然後 [00:52:33] 組員也不太認識 [00:52:35] 然後到報告那天才說這個組員從來沒有參與過 [00:52:37] 然後到報告那天才說這個組員從來沒有參與過 [00:52:37] 然後到報告那天才說這個組員從來沒有參與過 [00:52:39] 然後就有點麻煩 [00:52:41] 然後因為時間也很短因為第四個作業做完到term project [00:52:45] 只剩 [00:52:46] 一個月 [00:52:47] 當然 [00:52:48] 我們term project是其中就公佈了但是 [00:52:51] 學生都認為是我應該是在第四個作業做完才做term project [00:52:55] 所以你會覺得非常壓縮非常短 [00:52:57] 沒錯 [00:52:59] 當然有些同學的 [00:53:02] 回饋都還不錯都覺得可以學到一些東西這樣子 [00:53:05] 我不知道是不是表面話還是說什麼 [00:53:07] 這樣 [00:53:08] 不過我們就把term project取消了的確 [00:53:11] 那個這個 [00:53:12] 很難去judge大家的貢獻 [00:53:15] 那這個是我剛才提到的 [00:53:17] 就是我們會考試是實體的 [00:53:20] 所以這門課如果你是清大有用xclass修的學生你可能要記住 [00:53:25] 這個時間我們雖然是立在第14周但是 [00:53:28] 應該是不太會變了不過可能我還沒有把它定案 [00:53:32] 我就儘量不要排在 [00:53:33] 期末考周 [00:53:35] 就在前面 [00:53:36] 那 [00:53:37] 如果你是xclass的學生你大概是要確定 [00:53:40] 那一個禮拜的考試時間你可以出席這樣子 [00:53:45] 好這是大家 [00:53:46] 最關心的分數的分佈這是去年 [00:53:49] 第一年你可以去dcard上找 [00:53:53] 大家說這門課很甜啊什麼什麼 [00:53:55] 所以 [00:53:56] 第二門就稍微 [00:53:57] 調整了一下normalize一下 [00:53:59] 這個樣子看起來還好 [00:54:01] 還好 [00:54:03] 就是中位數大概是接近80所以其實 [00:54:06] 不難 [00:54:07] 不難尤其是我覺得我們作業 [00:54:09] 的難度有一點點 [00:54:11] 中偏低 [00:54:13] 主要是有一些跨領域的學生來修啦所以我並沒有把它調得太難 [00:54:18] 但是有時候這跨領域本來比 [00:54:20] 這個電子學院都還厲害這樣子 [00:54:22] 所以他其實是 [00:54:26] 作業 [00:54:28] 沒有太高難度 [00:54:30] 所以大概的分佈是這樣所以供你們參考這樣子 [00:54:34] 那 [00:54:35] 通常這邊都是放棄的學生啦就是你作業沒進來的學生 [00:54:38] 就是你作業沒教 [00:54:39] 因為作業 [00:54:40] 四個作業嘛你一個沒教你就知道你的分數大概 [00:54:43] 就不會在 [00:54:44] 裡面這樣子 [00:54:46] 那 [00:54:47] 我們作業因為人數很多那就是 [00:54:51] 以前我們都試過用AI改 [00:54:53] 但是 [00:54:54] 有點難度所以我們現在都會一起協作啦還是有人 [00:54:58] 助教還是進去看然後 [00:55:01] AI可能就是看一些 [00:55:03] 程式的部分或是什麼 [00:55:04] 但是基本上是協作的這樣子 [00:55:07] 那的確以前的 [00:55:08] 大家都會反映說 [00:55:09] 作業的評分標準 [00:55:12] 不太明確這部分我們會再修正一下讓它變得更 [00:55:15] 更 [00:55:18] 大家被扣分會甘願一點我們會把寫清楚一點這樣子 [00:55:22] 那 [00:55:23] 研究所課我希望大家有一些討論分析 [00:55:26] 當然這一塊你們大家都會 [00:55:29] 跟AI協作但是我覺得 [00:55:32] 如果AI要講一些事情你又可以反饋到你自己前面再補做一些實驗 [00:55:37] 我覺得就很好這樣子 [00:55:41] 重點是要你自己的insight或者是說AI告訴你insight你可以瞭解原來對沒錯 [00:55:47] 這以前我沒想到AI的確 [00:55:49] 告訴我這些這樣子 [00:55:51] 那這大概是作業會的 [00:55:54] 類型這樣子 [00:55:56] 那當然我覺得 [00:55:57] 你要對文字有興趣啦因為這不是一個AI的課 [00:56:01] 所以如果你只想學Transformer你應該可以去 [00:56:05] AI或是Deep Learning的課去學那邊可能講得更細一點 [00:56:08] 我這邊Transformer的課是很簡單的 [00:56:09] Transformer其實不會講得那麼細 [00:56:11] 但是我還是會用NLP的角度去看整個模型的 [00:56:17] 運作方式跟重要性這樣子 [00:56:22] 好 [00:56:23] 這是幾個以前學生的意見啦就是 [00:56:26] 供你們參考當然有好的啦 [00:56:29] 有 [00:56:31] 覺得不錯的這樣子 [00:56:33] 那不過大家也會 [00:56:35] 說實在的有錄影有直播 [00:56:38] 大家可能平常就不會上課也不會來學 [00:56:41] 所以今天這個盛況大概是隻有一次這樣子 [00:56:47] 後來就越來越少大家覺得反正我 [00:56:50] 我課後用三倍數播放這樣 [00:56:53] 我就可以很快的讀完這門課 [00:56:55] 就是你會到寫作業時候才會去follow這件事情 [00:56:59] 那 [00:57:01] 如果你有程度其實還OK但是如果你本來程度沒有這麼跟那麼上的話會比較吃力一點 [00:57:08] 這大概是提醒大家一下 [00:57:10] 好這是一些基本的data [00:57:13] 就是 [00:57:14] 我的資料會在 [00:57:16] 臺卡在 [00:57:18] 臺大那個NTU COOL頁上都有 [00:57:20] 然後我的實驗室的Github的 [00:57:23] 這個課程網頁 [00:57:26] 會把這個也會同時Miro同時一樣的東西 [00:57:30] 然後這因為這邊有 [00:57:33] 這兩年的啦所以你也可以上去看這樣因為這是開放的 [00:57:37] 所以公開資料在這邊那 [00:57:39] 清大這邊的學校的eClass我就不放 [00:57:43] 不過我想你們可以透過臺卡這邊的NTU COOL去 [00:57:46] 去點到這個鏈接 [00:57:48] 你都可以拿到這個投影片跟影片這樣子 [00:57:53] 好 [00:57:54] 我想Sleep的介紹就到這邊了 [00:57:56] 那 [00:57:59] 我們看一下這個 [00:58:01] 這個slide上的 [00:58:04] 外校的學生的考試 [00:58:08] 我是沒有 [00:58:09] 實際放過但是根據臺卡辦公室的說法是每個學校的考試 [00:58:12] 每個學校會有一個考場 [00:58:14] 然後也會有監考老師 [00:58:17] 所以我看蠻多學校都只有一位學生 [00:58:20] 所以你就會很VIP式的被一個老師 [00:58:24] 帶去一個房間考試這樣子 [00:58:26] OK [00:58:31] OK好所以這位同學是沒有 [00:58:34] 沒有同步的網址 [00:58:36] 就是說 [00:58:37] 如果你有修這門課你應該可以從NTU COOL裡面去 [00:58:40] 看到我們的直播的網址跟 [00:58:42] 那個錄影的 [00:58:45] 鏈接 [00:58:46] 你就可以 [00:58:47] 就可以上去這樣子 [00:58:48] 那我們一定會就是在早上 [00:58:50] 那 [00:58:51] 這學期我們 [00:58:53] 運氣不好沒有放假 [00:58:55] 對啊就是 [00:58:57] 就是 [00:58:58] 如果遇到放假或是我不能有 [00:59:01] 不能上課的時候我還是會預錄 [00:59:03] 我還是會預錄這樣所以我們會上滿這個 [00:59:06] 16周的時間這樣子 [00:59:10] 同時間要開會 [00:59:12] 可以啊就是因為基本上Sclass就是否這個設計嘛就是 [00:59:17] 你可以同時間有重躺這樣子 [00:59:18] 雖然我也不知道這個學生需要 [00:59:22] 會很辛苦如果他 [00:59:23] 修了五門都在同個時間 [00:59:26] 這樣也是蠻厲害的 [00:59:29] 這個可能是舊資料啦可能是舊資料我後來把它改成75跟25這樣子 [00:59:36] 那但是作業老實說因為四個作業嘛75沒辦法整除嘛所以學生都會問我說 [00:59:42] 哪個作業比重是多少我現在其實還不 [00:59:45] 沒有寫出來啊 [00:59:47] 我到時候因為作業會有點調整 [00:59:49] 我會根據作業的難度跟他的loading會比重會稍微調整但是你可以想像就是 [00:59:55] 就是 [00:59:56] 75除以4的上下range [00:59:59] 但是我知道要寫清楚不然學生都會跟我來argue這件事情 [01:00:08] 應該是四個啦 [01:00:10] 四個 [01:00:12] 四個作業然後一次考試這樣子 [01:00:15] 五個作業會有點趕會綁得有點 [01:00:20] 對時間會有點吃力 [01:00:22] 同時修會沒有會不會很吃力我只能說看人對 [01:00:27] 對 [01:00:28] 如果你 [01:00:29] 你夠積極夠 [01:00:31] 這門課其實我覺得門檻不高 [01:00:34] 你只要有訓練過模型 [01:00:36] 不要說非常厲害你只要知道那怎麼寫就 [01:00:40] 我覺得應該是沒有問題 [01:00:41] 因為我們的作業會 [01:00:43] 有些甚至給你一個template [01:00:45] 不是叫你從無到有去寫所以 [01:00:48] 應該是還好 [01:00:49] 但是我還是建議你有點基礎來修這樣子 [01:00:52] 不然 [01:00:53] 人數有點多 [01:00:56] 跟DL一起修效果會更好嗎 [01:00:59] 我不知道可能會吧 [01:01:01] 可能會吧就是你 [01:01:04] 不過很有趣就是你會發現如果你修一大堆AI課你會發現 [01:01:07] 怎麼每個老師都講一樣的東西 [01:01:09] 都在講transformal [01:01:11] 都在講fine tune都在講這些東西這樣子 [01:01:14] 對那應該效果會比較好這樣 [01:01:18] 期末考的形式就是實體 [01:01:20] 坐在教室發考卷這樣子就是用寫的 [01:01:23] 然後斷網 [01:01:25] 不能用 [01:01:25] 沒有openbook這樣子 [01:01:27] 就要完全靠你自己腦袋這樣子 [01:01:29] GPU的等級 [01:01:32] 這的確是個好問題我們 [01:01:34] 我們會把作業的難度跟他資料的複雜度 [01:01:38] 降低到你們個人的電腦 [01:01:41] 或者是你的free的collab quota可以跑的 [01:01:45] 狀態 [01:01:47] 也就是說 [01:01:48] 如果你覺得你跑不動了 [01:01:50] 那一定你程式沒有寫好 [01:01:52] 當然如果你的實驗室有更powerful的環境 [01:01:56] 的確你可以更加速 [01:01:58] 但是我們都會讓 [01:01:59] 這個low resource的學生可以把這個作業做完 [01:02:03] 有一張投影片我沒有放就是Tica他其實有提供一些 [01:02:09] collab quota的獎勵 [01:02:11] 不過因為沒有很多就沒有辦法給每個學生 [01:02:14] 所以我會把它當成是作業的 [01:02:18] bonus就是說我們每次作業會有 [01:02:21] 評選可能前 [01:02:22] 前十位 [01:02:24] 會多發給你collab的 [01:02:26] quota這樣子 [01:02:30] 沒有ntu庫的賬號這個的確有不少學生來問我說他有選課但是還是沒有ntu庫的賬號 [01:02:37] 可能他們 [01:02:38] 從每個學校進來或者是 [01:02:40] 加退選的時間的賄賂的名單的時程上不是很同步因為他不是一個 [01:02:46] 不是全國一個系統所以他還需要各個學校去串資料 [01:02:51] 所以大家要等一下這樣子 [01:02:52] 如果 [01:02:54] 如果你已經可以 [01:02:57] 看到這個slide理論上你應該知道我的課程網頁 [01:03:01] 課程github那個網頁 [01:03:03] github網頁上面也有直播的連結你也可以從那邊上去這樣子 [01:03:10] 期末考內容大概形式就剛才提過就是一個實體的考試的形式 [01:03:16] 那至於要考什麼我現在也還沒有很具體的想法這樣子 [01:03:21] ntu庫不是臺大的校外沒辦法申請 [01:03:24] 應該有他應該有每個學校賄賂賬號 [01:03:28] 大家應該 [01:03:30] 應該都知道了應該他會 [01:03:33] 開通這樣子而且會 [01:03:35] 對 [01:03:36] 從ntu庫那邊我可以看到說他會他會寄一個通知信然後一個確認 [01:03:41] 所以我現在可以看到有多少學生 [01:03:43] 其實還沒有連上ntu庫這樣子 [01:03:47] 所以 [01:03:48] 你可以可能可以確認一下加簽應該可以因為 [01:03:52] 根據經驗還是會有些學生 [01:03:54] 退選所以人數上我們應該 [01:03:57] 可以控制在以前這個範圍這樣子 [01:04:00] 期末考會需要手寫code嗎 [01:04:02] 應該 [01:04:06] 我要思考一下 [01:04:10] 有些東西講出去就不能改了 [01:04:14] 可能會有一點點 [01:04:17] high level的東西anyway [01:04:18] 但是不會叫你要寫出一個沒有bug的code這樣子 [01:04:22] 不是沒有bug是語法要寫得非常精確的 [01:04:28] 這個 [01:04:30] 我再思考一下但是不會叫你 [01:04:33] 把transformer [01:04:35] 用c寫出來 [01:04:40] 手寫 [01:04:41] 會是層次嗎 [01:04:42] 就我覺得應該比較high level就是比較 [01:04:46] 比較 [01:04:47] 概念型的東西居多 [01:04:50] 居多不會叫你因為畢竟是closed-book [01:04:54] 我們不太需要讓大家去記這些東西我覺得沒有意義這樣子但是我會 [01:04:58] 希望知道你腦袋的東西 [01:05:00] 有沒有 [01:05:01] 學到這樣子 [01:05:02] 該學到放在你腦袋的東西到底有沒有這樣子 [01:05:06] 好 [01:05:09] 應該是這樣啦那 [01:05:13] 基本上我是不太會想說像有一些老師會說上課回答問題搶答然後有 [01:05:20] 有什麼獎品這樣子好像小朋友 [01:05:23] 給糖果這樣子 [01:05:24] 但是有時候好像是一個不錯的方法增加互動性 [01:05:27] 尤其是 [01:05:28] 鼓勵學生 [01:05:29] 實體來或是線上參加這樣子 [01:05:31] 我覺得是不錯啦 [01:05:33] 不然學生都是回去宿舍晚上 [01:05:36] 躺在那邊 [01:05:37] 開影片三倍速播放這樣子 [01:05:39] 互動性比較低所以也許會有一些 [01:05:42] 線上 [01:05:43] 實體的時候online我會有一些 [01:05:46] QA [01:05:47] 或者是投票會增加一些參與那但我們會從裡面 [01:05:52] 有一些獎勵之類的不好意思要做一些比較熟悉的事情 [01:05:58] 好這大概是課程的介紹 [01:06:01] 有沒有問題 [01:06:03] 可以啊 [01:06:06] 你是幫人家問的嗎 [01:06:09] 剛才我有回答 [01:06:12] 這門課看起來太容易對沒錯 [01:06:17] 這誰寫的 [01:06:20] 說真的我有點掙扎 [01:06:21] 因為 [01:06:23] 因為第一年分數給太高了 [01:06:25] 但是不給高 [01:06:27] 因為 [01:06:28] 第一個臺卡是一個很diverse的學生進來 [01:06:31] 不要說不同學校有不同科系的人進來 [01:06:35] 所以 [01:06:35] 他修課的程度雖然我們一定 [01:06:39] 有告訴同學說這個requirement你應該要會寫Python會 [01:06:43] 跑過基本的基礎學習的東西但是 [01:06:45] 有一些時候就 [01:06:47] 接不太起來這樣 [01:06:49] 所以我們作業 [01:06:50] 難度我覺得不高 [01:06:53] 那不過 [01:06:54] 衝著你這句話我們 [01:06:56] 把難度 [01:06:57] 加深一點這樣子 [01:06:58] 但是對我來講其實沒有 [01:07:01] 沒有太大意義了就是有鑑別性就好 [01:07:04] 我就是鑑別 [01:07:05] 大家的努力程度可以鑑別出來就好 [01:07:10] 當然不要說大家都 [01:07:12] 作業都滿分這樣子 [01:07:15] 還有沒有其他問題 [01:07:18] 有問題都可以在slide上問因為他是匿名的 [01:07:21] 當然你也可以說我要 [01:07:22] 具名這樣也可以 [01:07:23] 但是你可以匿名這樣子 [01:07:25] 你不用去dcard上 [01:07:27] 說一些 [01:07:28] 其他的話這樣 [01:07:29] 你在上面就可以問我問題這樣 [01:07:31] 有沒有其他問題 [01:07:36] 沒有問題我們就先休息10分鐘 [01:07:40] 然後最後等一下我會再上一節課的部分把一些引求答詢再帶一點 [01:07:45] 休息時間如果有要加簽或是Xclass要籤的人你要實體籤 [01:07:51] 可以給我籤這樣子 [01:07:53] 我們先休息 [01:08:07] 好那我們就繼續上了因為就我大概會再上一個小時的範圍 [01:09:19] 再回答一下剛才有人在slide上問的問題就是 [01:09:23] 主要處理中英文的語言嗎 [01:09:26] 那會不會有其他語言 [01:09:27] 其實 [01:09:28] 我們不會 [01:09:30] dedicate說處理哪一種language特別的問題啊 [01:09:33] 基本上 [01:09:34] 尤其是現在LN [01:09:35] 他其實也是marty lingo這樣子 [01:09:38] 只是說如果你是一個 [01:09:40] 一個比較 [01:09:41] 稀少資源的 [01:09:42] 我們說low resource language的話的確有時候 [01:09:45] LN他的理解度沒那麼好 [01:09:47] 那會有不同的 [01:09:49] 做法不同的 [01:09:50] 思考方式但是我們 [01:09:52] 不太會去 [01:09:53] 去 [01:09:54] 提到那些啦 [01:09:55] 不太會提到那些 [01:09:57] 沒訓練過模型也可以修得過嗎 [01:10:03] 這句話 [01:10:05] 我很難回答因為 [01:10:07] 有訓練過模型的也不見得修得過的 [01:10:10] 就是說因為現在訓練模型很容易嘛你只要 [01:10:14] 這個XY給他然後FIT就結束就可以 [01:10:17] 就說你有 [01:10:18] 你有訓練過模型的這樣子 [01:10:20] 但是你可能要了解NN的 [01:10:23] 的架構或什麼 [01:10:25] 就是 [01:10:26] 那個門檻不會在於有沒有訓練過 [01:10:31] 那 [01:10:32] 我只能說 [01:10:35] 看人 [01:10:37] 會不會點名 [01:10:38] 不會但是我們希望會有一些課堂的 [01:10:41] 參與的bonus就是實體在進行的時候會有一些 [01:10:46] 會有一些那個 [01:10:48] 回饋啊幹嘛的 [01:10:52] 會有考古題當然沒有啊因為之前都沒有考試這樣子 [01:10:56] 那 [01:10:57] 是可以寫sudo code嗎對 [01:11:00] 如果有的話啦如果有的話這樣子 [01:11:04] 我有沒有office hour [01:11:07] 我會把它寫上去啦會把它寫上去 [01:11:10] 那 [01:11:11] 不會如果如果要問問題其實用email或是在SIDEL上問很方便這樣子 [01:11:19] 那 [01:11:22] 對 [01:11:24] 大學生修這門課會答應嗎不會 [01:11:27] 不會 [01:11:29] 之前也有 [01:11:30] 甚至有大二的都修了這樣子 [01:11:33] 那有些助教代替回來我就不一一回復了 [01:11:37] 那 [01:11:40] 對剛剛有人 [01:11:42] 這個我再看一下 [01:11:45] 對他說可以稍微難一點想學東西這樣子 [01:11:48] 好 [01:11:49] 我會 [01:11:50] 盡力 [01:11:52] 對 [01:11:53] 好啦老實說這個這邊這些東西 [01:11:57] 已經蠻open的 [01:11:58] 基本上 [01:12:00] 是可以設取的範圍 [01:12:02] 所以他 [01:12:04] 老實說也也不容易啦 [01:12:06] 因為對我來講我也一直在學習 [01:12:08] 這個投影片位也要一直update所以 [01:12:10] 也是蠻辛苦的這樣子 [01:12:12] 所以 [01:12:13] 想學東西當然很好對我們一起來學這樣 [01:12:17] 好大概是這樣了反正有問題就儘量問 [01:12:21] 包含課堂上的東西或是 [01:12:25] 講的東西或是有一些 [01:12:27] 行政上的東西也都可以問這樣子喔 [01:12:30] 好 [01:12:36] 拜託 [01:12:38] 好啦這個 [01:12:40] Do your best [01:12:44] 不要在slide上哈拉啦 [01:12:46] 那個 [01:12:47] 這個要filter有點辛苦這樣子 [01:12:50] OK [01:12:51] 好啦我們就 [01:12:53] 把他拉到一個 [01:12:55] 一個標準這樣研究所課程的標準 [01:13:06] 好 [01:13:07] 這個投影片在 [01:13:09] 在NTU COOL或者是說在GitHub上都有 [01:13:13] PDF檔可以下載這樣子 [01:13:15] 那我 [01:13:16] 大家上去看可能可以看到一些 [01:13:18] 舊的就是去年的但是我可能都會 [01:13:21] 陸續的有一些 [01:13:22] 小小的更動這樣子 [01:13:24] 好 [01:13:25] 那 [01:13:26] 這個從剛才提到這些歷史啊 [01:13:28] 大家可以想像從這邊過後基本上所有的起手式都是 [01:13:34] 都是model了都已經是 [01:13:36] 而且尤其是 [01:13:37] 直接從Transformer [01:13:38] 開始下手了這樣子所以 [01:13:41] 你可以想像這件事情 [01:13:43] 好像是 [01:13:45] 必要的 [01:13:46] 所以以前在一些場合啊有些 [01:13:49] 老師也問我說那你現在NLP課程怎麼教 [01:13:52] 我說我就把以前NLP的要教的東西 [01:13:56] 在 [01:13:57] 前面 [01:13:58] 兩週上完 [01:14:00] 可能多一點三週兩週半上完這樣子 [01:14:03] 然後後面的就全部都是 [01:14:05] Pretrained Language Model的東西這樣子 [01:14:08] 是有一點 [01:14:09] 怪啦就是說如果有些人想學一些語言學的東西 [01:14:13] 卻沒有在這邊cover到這樣子 [01:14:15] 但是你會發現現在做NLP一定 [01:14:18] 標準起手式一定是從 [01:14:20] Pretrained Language Model下手這樣子 [01:14:23] 當然這邊如果你還沒有修過AI或是Deep Learning的時候 ## 8. 寫作規則 （這是 `_筆記SOP.md` 第 3.1、4、5、6 節的濃縮版。兩者衝突時以 SOP 為準。） 讀者：碩士生，兩門課期末是英文考試。要只看筆記就能學會，講得比老師好懂。畫面要簡潔。 **概念優先（2026-09-26 主理人）**：主理人只想懂概念，不想補數學、不想看程式碼和座標圖。兩門課的考試也都是問答題、不考算式（AI W1 1:16:52；NLP W3 1:47:41、2:48:36）。所以： - 每段預設看得到的只有：白話摘要（2–4 句）＋**一句生活比喻**（例：模擬退火像投資理財，年輕時敢冒險、越老越保守）＋「考試可能怎麼問」一句。 - 數學推導、公式、手算、程式碼、座標圖，全部收進標題寫「（進階，可跳過）」的摺疊，例如「它到底怎麼運作？（進階，可跳過）」。每段最多一個進階摺疊，不要寫長篇計算。 - 演算法要能「用文字說出步驟」（考試可能要你描述），這一點放在預設看得到的地方，不用數字。 - **重心比例**：白話理論與概念模式（它在解決什麼問題、核心想法、跟別的方法差在哪、優缺點、生活比喻）占主要篇幅；數學與程式細節只用一兩句帶過，細節收進進階摺疊。 **圖文並茂（2026-09-26 主理人：不要只有文字）**： - 每章至少 2–3 個圖，放在**預設看得到**的地方，每個圖前後各用一兩句白話說明「這張圖在看什麼」。 - 流程、步驟、因果、比較 → 用 mermaid 流程圖（```mermaid，flowchart LR 或 TD；節點文字用中文、加雙引號；一張圖不超過 10 個節點）。 - 投影片上的示意圖、架構圖 → 用 [[IMG: …]] 放投影片圖。 - 仍守「每個 ## 段落最多一種視覺元素」。 ### 輸出兩個檔 1. `chNN.md`（Notion 寫法，不含頁面標題），結構固定： - 第一行：章節包第 1 節那行，原樣照抄。 - 第二行起（有數學段才寫）：**跳過提示**，每段一行，讓主理人看影片時知道從哪跳到哪。用章節包第 3b 節的候選當提示，對照第 7 節逐字稿確認（只標老師連續講公式、推導、矩陣、微積分、機率計算、程式細節超過約 1 分鐘的段落；概念講解和比喻不算）： `跳過提示：(1:31:02–1:35:40) 老師在推導梯度公式，聽不懂可以直接跳到 [1:35:40](YouTube 連結)，接著講「步長 α 怎麼選」。` - `## 重點`：三點中文，每點一到兩句。 - `## Exam-ready`：3–10 行英文，**從章節包的投影片文字逐字抄**，每行 `- **Term**: "原句"（Ch3 p.14）`。老師有明確證據才在行尾加 `【老師強調】(h:mm:ss)`。 **每一行下面一定要有一行縮排的中文解釋**（主理人英文不好，看不懂的英文等於沒用）： ``` - **Hill climbing**: "It keeps track of one current state and on each iteration moves to the neighboring state with highest value."（Ch4 p.5） - 中文：爬山法只記住「現在這一個狀態」，每一輪都移到分數最高的鄰居。白話：一直往比較高的地方走一步。 ``` 中文要先把句子意思講清楚，再補一句白話；最後用「英文（中文）」列出這句裡 1–3 個難字，例：sparse（稀疏）、distinct terms（不重複的字）。 **一行只放一句投影片原句**。同一頁有多句要考就拆成多行，每行各接一行中文；不要用分號串三句以上，不要把計算量 O(...) 塞進去。 - 章節包第 2 節的每一段：`## [h:mm:ss](連結) 標題`（照抄），下面 2–4 句白話摘要，其餘全部收進摺疊： ```
問句（例：用生活例子講，BFS 在做什麼？） 內容
``` 摺疊種類（需要才放）：用生活例子講？／它到底怎麼運作？／要先懂什麼？（老師假設你會的數學或概念，短版教學）／老師原話是什麼？（「原話」(h:mm:ss)，只放重要的，最多 5 句）。 - 「它到底怎麼運作？」要用一組小數字把這段的演算法**真的跑 1–3 步**（例：算出梯度、更新一次、比較兩個 α），不是只示範定義的加減乘除。全章盡量沿用同一組數字，讓前一段的答案能在下一段被驗證。 - 每段正文要回答讀者最可能卡住的一個「為什麼」。投影片公式方向跟題目相反、或投影片說「解不出來」時，用一兩句講出原因，自己補的標（我補充）。 - 投影片句子停在公式前（公式在圖裡）時：Exam-ready 在粗體詞條上補公式、引號內保持原句；正文寫出同一條式子。公式圖看章節包第 6 節列出的 PNG。 - `## Self-check`：2–4 題英文考題，答案收摺疊。**至少一題考老師強調的內容**；只出 explain／why／compare 這類問答題，**不出要代數字計算的題目**（考試不考算式）；不出「老師和投影片哪裡不同」這類不會考的題目。每題格式： ```
Q1. English question?（中文：中文題目） **Answer**: English answer. 中文：把答案完整講一遍（不是只翻一句），讓看不懂英文的人也知道要怎麼答。
``` - **最後一行**：章節包第 1b 節那行（下一章連結），原樣照抄。讓讀完的人直接點下一章。 - 不要把章節包或這份規則裡的指示句寫進筆記（例如「寫筆記時照投影片寫」「已改正 ASR 錯字」）。 - 長度：全文不超過 16,000 字元（跟 check_note.py 同一個數字）。**不要為了壓字數反覆刪改**（實測一章最多花 12 輪在刪字）；超過時只刪進階摺疊裡的第二組算例，比喻、比較表、圖說、「老師說不用背」的提醒都不刪。 - 預設看得到的正文不放計算量 O(...)、代號對照（例如 SMART 字母）、課本出處考據，一律移進進階摺疊。 2. `chNN.concepts.json`：JSON 陣列，4–12 個考試可能問的術語，每個物件： `name`（英文）、`zh`、`type`（概念／演算法／公式／人物事件／前置知識／行政）、`signal`（"老師說會考"／"老師強調"／"核心（我判斷）"／""）、`evidence`（有 signal 前兩種時必填：原句＋時間）、`definition_en`（投影片原句；沒有就註明 (textbook)／(lecture)／(my wording)）、`plain`（一句中文）、`a4`（≤150 字元英文，可夾極短中文；期末拼貼用的小方塊）、`time`、`slides`、`prereq`（英文名陣列）。 ### 風格鐵律 - 不用 emoji 或裝飾符號（✓✗★⚠ 都不要；→ 可以）。不用 callout。不用 `$`。時間不要用 code 樣式。 - 每個 `##` 段落最多一種視覺元素：一張圖、或一個表格、或一個 mermaid。 - 摺疊標題是問句，前面不加符號。 - 圖片最多 3 張，只放文字取代不了的圖。放法：單獨一行 `[[IMG: | 中文圖說]]`，PNG 用 `slides_to_png.py <圖片資料夾> <頁> --dpi=110` 產生。 - 考試訊號只在老師明確說時標。老師只說「不用背」「不講」就寫「注意：……」。 - 老師口誤或跟投影片不同：照投影片寫，加「注意：老師口頭說的是……」。 - 引用老師的話時，ASR 錯字改成正確的字。 ### 沒有投影片時 不要憑記憶逐字重現課本段落或數值表。英文定義用自己的話寫、句尾標 (my wording)；Exam-ready 每行標「（自擬，投影片待補）」。例子只用老師講的。 ### 寫完之後（只做一次） 跑檢查： `C:\Users\user\.cache\meeting-record\venv\Scripts\python.exe C:\Users\user\.claude\scripts\check_note.py --transcript <逐字稿> --slides <投影片 txt …> --start <起> --end <訖> --vid <影片 ID>` - STYLE／VISUAL／TIME／FORMAT：全部改掉。 - QUOTE：確認是不是你改正了 ASR 錯字（是就保留），不是就改成原文或拿掉引號。 - ENGLISH：確認是不是投影片斷行造成的（是就保留），不是就改成投影片原句。 **省額度守則**：章節包裡已經有你需要的全部資料。不要再去讀整份逐字稿、整份投影片、segments.json 或手冊。一次寫好整個檔（Write 一次），檢查後集中修改。