2025 08 03 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 生成式AI技術突破 生成對抗網路（GAN）： 變分自編碼器（VAE）和 流式模型（Flow-based Generative Model）： Transformer 架構與自注意力機制人類回饋（反饋） 強化學習（Reinforcement Learning from Human Feedback, RLHF）（Self-attention）：DALL-E 和 Stable 3-20 Diffusion 預 訓練與模型微調技術： 高效推理與模型壓縮： vLLM架構

 生成式AI技術突破 

生成式 AI   的  技術進化   主要得益於   幾項關鍵技術 的  發展，

這些技術突破互相 融合，提升了生成模型的效能與實用性： 

  生成對抗網路（GAN）：

引領了高品質圖像生成的潮流，並能夠生成多樣化且真 實感強的圖像。 

  變分自編碼器（VAE）和

     流式模型（Flow-based Generative Model）：

提供   穩定性 和  機率  生成方法，使生成模型在更廣泛的應用中穩定運行。 

  Transformer 架構與自注意力機制（Self-attention）：

尤其是 GPT 系列模型，徹底 改變了  語言生成  的  方式，

並 支持   大規模的  多模態   生成，

如 DALL-E 和 Stable 3-20 Diffusion，將文本與圖像生成結合。

預  訓練與模型微調技術：

如  少樣本學習  和  提示工程   提升了模型的適應性與精準 度。

加上人類回饋（反饋）

          強化學習（Reinforcement Learning from Human Feedback, RLHF），

可使生成結果   更貼近   用戶需求。 

  高效推理與模型壓縮：

如   vLLM架構，讓   生成式AI  能夠在   實時場景中應用，

特 別適用    於  邊緣計算  和  移動設備。