RAG、CLIP、SMOTE、Fine-tuning、Encoder-Decoder、XAI、SHAP、NER⋯30 個 iPAS 常考硬名詞，用漫畫拆解成人人都看得懂的圖解，考前速記、通勤也能讀。
不是你不夠聰明，是這些名詞本來就長得很像、解釋又寫得很硬。
RAG、SFT、RFT、CLIP、SMOTE⋯每次翻開課本都像在認新朋友，翻頁就忘記誰是誰。
一句話塞十個專業術語，讀完整段還是不知道考點到底藏在哪一句。
上班、上課之餘還要準備考試，沒空從第一頁K到最後一頁。
寫考古題錯了，解析三言兩語帶過，下次遇到同類混淆題還是選錯。
不用硬背定義，用故事、對話框、對照表記住概念。每篇平均 3～6 分鐘讀完，還附上「考前一張小抄」跟練習題，讓你在考場看到關鍵字就能秒選答案。
表格化比較、記憶技巧、易錯點標註，還附章節考題自測，可依難度篩選，讀完漫畫想扎實複習時直接看這份。
每個名詞一頁：定義、記憶技巧、易混淆比較，可搜尋、可依難度／分類篩選，通勤路上滑一滑就能複習。
依主題分類，點選下方標籤快速篩選，或直接輸入關鍵字搜尋。
模型效能下滑，是輸入資料變了還是規則變了？6格漫畫一次分清。
📖 有完整文字版對照 開始閱讀 →「資料不出門」跟「加密後照樣能算」，兩種隱私保護技術一次看懂。
📖 有完整文字版對照 開始閱讀 →Zero-shot、Few-shot、CoT、ToT⋯常考提示工程技巧總整理。
📖 有完整文字版對照 開始閱讀 →吞吐量與延遲的差異、取捨與常見選擇題陷阱整理。
開始閱讀 →四大LLM評測基準到底在測什麼，一次搞懂差異與定位。
開始閱讀 →外部知識檢索與生成隨機性參數，最容易搞混的一對名詞。
📖 有完整文字版對照 開始閱讀 →該微調模型還是接外部知識庫？成本、時效、情境全面比較。
開始閱讀 →強化微調與監督式微調差在哪？兩種訓練策略核心邏輯一次掌握。
開始閱讀 →Transformer的編碼器與解碼器到底各自在忙什麼？架構分工一次拆解。
開始閱讀 →新一代長期記憶模型架構是什麼來頭？核心設計理念圖解。
開始閱讀 →AI Agent怎麼「邊想邊做」？Reason→Act→Observe循環一次看懂。
開始閱讀 →CLIP如何讓AI看懂「圖片」跟「文字」是同一件事？對比學習拆解。
開始閱讀 →資料集類別不平衡怎麼辦？合成少數類過採樣技術原理拆解。
開始閱讀 →機率怎麼拿來做分類？「特徵獨立假設」搭配生活化例子秒懂。
開始閱讀 →處理序列還是影像資料？兩種神經網路架構差異與適用場景比較。
開始閱讀 →查表格學習升級成神經網路逼近，差異跟升級動機一次搞懂。
開始閱讀 →PDP只能看整體趨勢，還是能抓單一原因？漫畫拆解部分依賴圖的核心限制。
開始閱讀 →Transformer怎麼看懂上下文？Flash Attention又怎麼讓它跑得更快更省記憶體？
開始閱讀 →找分界線 vs 記憶＋泛化，SVM與Wide & Deep核心邏輯到底差在哪？
開始閱讀 →AI說出答案，也要說明為什麼？XAI與LIME局部解釋原理漫畫拆解。
開始閱讀 →資料切5份很好用，但時間序列亂切會漏餡？漫畫拆解交叉驗證陷阱。
開始閱讀 →找出名字 vs 考慮整句關係，NER與CRF核心邏輯到底差在哪？
開始閱讀 →整套解釋工具 vs 每個特徵到底貢獻多少，SHAP與Shapley值差在哪？
開始閱讀 →稀疏專家混合、生成對抗網路、卷積神經網路，三個「生成／影像」名詞一次分清。
開始閱讀 →Volume、Velocity、Variety、Variability，資料世界的四大怪獸一次認識。
開始閱讀 →猜數字 vs 判斷類別，迴歸與分類的評估指標到底該選誰？
開始閱讀 →模型只會做幾種 vs 模型學不動了，兩種深度學習訓練問題一次分清。
開始閱讀 →少數樣本金額大到誇張，資料高度偏態怎麼辦？對數轉換原理漫畫拆解。
開始閱讀 →AI到底在看圖片的哪裡？顯著性圖找出單一預測重要區域的原理漫畫拆解。
開始閱讀 →都是生成圖片，對抗訓練和逐步去噪差在哪？兩種生成模型架構比較漫畫拆解。
開始閱讀 →每篇最後都有「考前一張小抄」跟關鍵字對照表，考場看到關鍵字就能秒選。
比起死背文字定義，故事化的漫畫情境更容易留在記憶裡，久了不易忘。
部分主題在 WalkLife 主站有完整文字專文，漫畫看完想深入可以直接對照閱讀。