文字分類與 LLM 應用研究：由基礎到研究設計
循序理解文字表示、語言模型、評估方法與可重現研究設計的學習合輯。
文字分類與 LLM 應用研究：由基礎到研究設計
這套合輯寫給對研究有興趣、但還沒有完整模型生態概念的學習者。它不要求先熟悉深度學習，也不把熱門模型名稱當成答案；目標是建立足以閱讀研究、判斷方法與設計實驗的共同語言。
課程以客服訊息、文件路由與內容標記等虛構或公開通用案例說明。案例不對應任何進行中研究的資料、欄位、標籤、規模或切分方式。
怎麼使用這套合輯
這是進度制教材。每篇末尾都有 teach-back；當你能用自己的話說明，而不是只認得名詞時，再進入下一篇。
閱讀時可以向 AI 提出：
- 「換成生活化的例子。」
- 「不要比喻，改用技術語言。」
- 「考我這一單元，先不要公布答案。」
- 「我來 teach-back，請指出錯誤。」
- 「比較兩條方法的研究價值。」
課程地圖
- Learning/llm research/01 research problem and value — 從應用需求建立可驗證的研究問題。
- Learning/llm research/02 classification foundations — 建立分類、訓練與泛化的基本語言。
- Learning/llm research/03 text representation — 理解 n-gram、TF-IDF、token 與 embedding。
- Learning/llm research/04 language model ecosystem — 分清 encoder、decoder 與 ChatGPT 的角色。
- Learning/llm research/05 llm application patterns — 比較 prompting、fine-tuning、LoRA、RAG 與 agent。
- Learning/llm research/06 evaluation and leakage — 學會資料切分、Macro-F1 與 data leakage。
- Learning/llm research/07 research design and paper literacy — 建立 baseline、ablation 與論文常識。
- Learning/llm research/08 model routes and project contract — 比較模型路線並完成研究契約。
完成後應具備的能力
- 說明一項文字分類研究的輸入、輸出、評估與限制。
- 不再把所有 language model 都等同於 ChatGPT。
- 判斷 preprocessing、training 與 validation 是否發生 leakage。
- 看懂 baseline、control、ablation、random seed 與 error analysis。
- 分辨排行榜高分、工程成果與論文貢獻。
- 根據證據選出主模型、比較模型與停止條件。
學習原則
- 先問問題，再選模型。
- 先做可信 baseline，再增加複雜度。
- 評估設計優先於單次高分。
- 負面結果也可能是重要結果。
- 公開教材與私人研究資料必須分離。