Deep Learning 101, Taiwan’s pioneering and highest deep learning meetup, launched on 2016/11/11 @ 83F, Taipei 101

💼 從頂層 AI 戰略到地端 GPU 部署企業方案：卡在開源模型效能低落？不知道如何為企業私有雲架設高併發的推論伺服器？提供 FDE (Forward Deployed Engineering) 級別的 AI 落地顧問與架構建置以及企業級的 LLM 架構健檢與地端部署服務。

AI是一條孤獨且充滿惶恐及未知的旅程，花俏絢麗的收費課程或活動絕非通往成功的捷徑。
衷心感謝當時來自不同單位的AI同好參與者實名分享的寶貴經驗；如欲移除資訊還請告知。
由 TonTon Huang Ph.D. 發起，特別感謝時任職公司台灣雪豹科技無償贊助場地及茶水點心。
這裡不僅匯集了我們歷年的 Meetup 紀錄，更是 AI 演算法與開源資源匯整中心。

👉 Deep Learning 101 歷年 Meetup 📺 💼 預約企業 AI 架構健檢與 POC 諮詢

📅 2026-07-25 更新快訊

CADDesigner [2026] 🔥 [CAD建模] [AI智慧體] [ECIP範式] [計算機輔助設計]
text-to-cad [2026-07-22] 🔥 [CAD建模] [Agent技能] [build123d] [硬體設計]
MV3DT [2026-07] 🔥 [多視角3D追蹤] [去中心化架構] [自動標定] [DeepStream]
VisualAD [2026-03-09] 🔥 [零樣本異常檢測] [CVPR 2026] [視覺純化] [多領域 SOTA]
Arbor [2026-06-11] 🔥 [自主科研] [Agent框架] [Hypothesis-Tree] [Autonomous Optimization]
HyGRAG [2026-06-18] 🔥 [GraphRAG] [多跳推理] [知識融合] [動態更新]
Nemotron-Labs-Audex (Audex-30B-A3B / Audex-2B) [2026-06-08] 🔥 [統一音訊文本模型] [單一解碼器] [文字稅零退步] [開源通用音效生成]
Heretic [2025-01-01] 🔥 [安全去對齊] [機械可解釋性] [自動參數優化] [開源平替]
EReCu [2026-03-12] 🔥 [無監督偽裝目標檢測]
OpenWorker [2026-07-23] 🔥 [開源智能體桌面應用] [本地優先] [模型隨你挑] [無人值守]
MAGIC [2026-03] 🔥 核心優勢：**少樣本缺陷生成全新 SOTA，打通「學術優雅」與「產線現實」的擴散模型神作！
MoECLIP [2026-03-29] 🔥 核心優勢：裝上一群分工明確的專家，解鎖零樣本異常檢測（ZSAD）全新工業級霸主！
Huobao Drama [2026-05] 🔥 核心優勢：打破傳統影視製作高牆，首款將「創意劇本➔分鏡➔音效➔成片」全流程打通的開源自動化短劇生產線！
Remotion Skills [持續更新] 🔥 核心優勢：顛覆「黑盒文生影片」，用 AI 寫 React 程式碼來「精確渲染」影片的工程化革命！
Vidu S1 [2026-07-03] 🔥 核心優勢：國內首款消費級顯卡可流暢運行的無限實時交互視頻大模型！
Wan-Streamer [2026-05] 🔥 核心優勢：全球首款打破模塊拼接延遲、實現「看聽說做表情」五條件全滿的端到端全雙工音視訊交互大模型！

📅 2026-07-15 更新快訊

MinerU-Popo (Universal Post-Processing Model for Structured Document Parsing) [2026-05-24] 🔥 [RAG前處理] [文件級OCR後處理] [跨頁結構重建] [動態分塊同步]
ViT³ (ViT with Test-Time Training) [2025-12-16] 🔥 [視覺長序列建模] [線性複雜度] [極限省顯存] [CVPR 2026 Best Paper Finalist]
ADSeeker (Knowledge-Grounded Reasoning Framework) [2026-07-11] 🔥 [多模態異常推理] [多模態 RAG] [零樣本 SOTA] [稀疏特徵定位]
UniSpector (Spectral-Contrastive Visual Prompting) [2026-04-23] 🔥 [開集缺陷識別] [視覺提示大模型] [免重訓冷啟動] [SOTA 霸主]
Omni-AD: A Large-scale and Versatile Benchmark for Industrial Anomaly Detection [2026-06-25] 🔥 [工業異常通用基準] [真實產線數據] [雙協議評測] [大模型質檢噩夢]
CCL (Contextual Consistency Learning) [2026-03-29] 🔥 [開放詞彙檢測] [訓練側增強] [零推理延遲] [跨場景泛化]
FastRef (Fast Prototype Refinement for Few-shot Industrial Anomaly Detection) [2026-03-29] 🔥
AG-VAS (Anchor-Guided Zero-Shot Visual Anomaly Segmentation) [2026-03-05] 🔥 [零樣本二值分割] [語義錨點黑科技] [開箱即用] [強泛化]
[CVPR 2026] LAVIDA (No Need For Real Anomaly: MLLM Empowered Zero-Shot Video Anomaly Detection Framework) [2026-07-11] 🔥
GS-CLIP (Geometry-Aware Prompt and Synergistic View Representation Learning) [2026-03-29] 🔥
Rethinking Transfer Learning for Industrial Inspection: DINOv3 vs. ImageNet Pretraining Across RGB and X-ray Tasks [2026-05] 🔥 [工業選型指南] [遷移學習重新審視] [反直覺硬核實測]
CoPS (Conditional Prompt Synthesis for Zero-Shot Anomaly Detection) [2026-07] 🔥 [零樣本跨域] [條件化動態提示] [工業醫學雙全能] [SAGA空間感知]
[ICCV 2025] TF-IDG (Training-Free Industrial Defect Generation with Diffusion Models) [2025-10] 🔥 [免訓練黑科技] [One-Shot資料增廣] [產線冷啟動] [台灣原生強權]
DiCLIP (Diffusion Enhanced CLIP for Weakly Supervised Segmentation) [2026-06] 🔥 [弱監督分割 WSSS] [知識遷移] [訓練降本 90%] [生成式賦能]
HR-SemNet (High-Resolution Network for Small Object Detection) [2026-03] 🔥 [小目標神作] [無人機巡檢] [計算量腰斬] [極致輕量]
VGGT-S (VGGT-Segmentor) [2026-04] 🔥 [跨視角分割] [幾何增強] [Ego-Exo對齊] [免配對預訓練]
Unlimited-OCR (無限 OCR) [2026-06] 🔥 [長文件解析] [R-SWA注意力] [恆定顯存] [端到端SOTA]
AnomalyVFM (Transforming Vision Foundation Models into Zero-Shot Anomaly Detectors) [2026-01] 🔥 [零樣本冷啟動] [純視覺VFM] [虛擬產線數據] [極速推論]
WinCLIP (Zero-/Few-Shot Anomaly Classification and Segmentation) [2023-06] 🔥 [零樣本AOI] [CLIP特徵升維] [狀態提示詞] [冷啟動救星]
Supertonic v3 [2026-09] 🔥 [99M極致輕量] [純CPU推論] [本地隱私] [ONNX/WebGPU]
InvAD (Inversion-based Reconstruction-Free Anomaly Detection) [2026-04] 🔥 [擴散模型] [免重建] [極速推論] [工業AOI]
SEATrack (Simple, Efficient, and Adaptive Multimodal Tracker) [2026-06] 🔥 [多模態追蹤] [PEFT極致輕量] [極端場景特化] [邊緣算力首選]
Voicebox [2026-05] 🔥 [ElevenLabs平替] [全端語音工作站] [零樣本克隆] [MCP協議] [本地部署]
parakeet.cpp (NVIDIA Parakeet C++ 實作) [2026-06] 🔥 [C++17重寫] [極速ASR] [邊緣運算] [流式識別] [ggml架構]
PixelRAG [2026] 🔥 [視覺RAG] [多模態檢索] [幻覺剋星] [Qwen3-VL底座]
Fine-VAD (Fine-Grained Video Anomaly Detection) [2026-06] 🔥 [細粒度異常檢測] [影片安防] [CLIP多級對齊] [漸進式學習]
MonoSAOD (Monocular 3D Object Detection) [2026-04] 🔥 [單目3D偵測] [稀疏標註] [偽標籤治理] [工業級過濾]

📅 2026-06-20 更新快訊

LLM-Offense：
- 新增 SecSkills 自動化滲透測試技能包，提升資安測試效率。
LLM-Guard：
- Nemotron 3.5 Content Safety (多模態安全護欄)
Computer-Vision：
- 新增 Uni-RCM 跨模態多類別統一異常檢測框架與 CaptionFormer 統一架構，強調其核心優勢與解決痛點，並更新 PP-OCRv6 及 PaddleOCR-VL-1.6 的詳細介紹，提升使用者體驗。
Speech-Processing：
- 新增 Nemotron 3.5 ASR 模型資訊，強調其低延遲與多語種支援，並更新 Voxtral Realtime 模型的核心優勢與推薦場景。
Large-Language-Model：
- 新增多模態安全護欄與自動化滲透測試技能包，強化 AI 安全防護與紅隊演練能力。
- 新增 Remotion Skills 代碼驅動影片框架，強化影片生成與自動化剪輯功能。
- 新增 Google Colab CLI 和 OpenMontage 於 LLM 資源中，強化雲端計算與影片製作自動化功能

📅 2026-06-03 更新快訊

Computer-Vision：
- MeDS
- DINO-CLIP-SAM、Anti-Forgetting Sampling Strategy、CAFe-DINO、ConceptSeg-R1、ViCrop-Det、OneNIP、JUDO
- PaddleOCR-VL-1.6、Boxes2Pixels、SceneScribe-1M、FT-FSOD、Duix Avatar、FrequencyCM × C3k2、BCSI、AVA-DINO
- DetAny4D、FoundAD、LocateAnything-3B及SANA
Speech-Processing：
- Mega-ASR、OmniVoice Studio
Large-Language-Model：
- Infinity-Doc2-5M

📅 2026-05-18 更新快訊

Speech-Processing：
- Speaker-Reasoner：(ASLP-lab) 打破多說話人重疊語音與身份漂移的魔咒，首創「智慧體多輪時序推理」的端到端語音大模型神作！
- OpenAI Realtime API 低延遲語音架構解析：揭開 ChatGPT Voice 不到 0.3 秒極速對話的底層秘密！
- WhisperPipe：打破 Whisper 串流「越跑越卡、記憶體爆炸」的魔咒，首創資源恆定的極低延遲（89ms）即時語音轉寫管線！
- OmniVoice Studio：打爆 ElevenLabs 的全能型本地語音工作室，3秒極速克隆 646 種語言！
- Moonshine Voice：樹莓派也能流暢運行的即時 ASR 神作，實時處理速度輾壓 Whisper 100 倍！
- Supertonic 3：終結雲端 API 依賴的邊緣運算霸主，僅約 99M 參數在純 CPU 上最高實現 0.006× 實時因子的極速 TTS！
LLM-Offense：
- DeepAudit (自動化深度程式碼安全稽核大腦)：首創「大膽假設，沙箱求證」的 Multi-Agent 自動化漏洞挖掘與 PoC 驗證平台
Large-Language-Model：
- Vercel Agent Browser (AI 原生瀏覽器自動化引擎)：專為 AI Agent 量身打造的革命性瀏覽器自動化工具，上下文 Token 消耗暴力銳減 93%！
- CLI-Anything (Agent 專屬軟體 CLI 生成器)
- Skyvern (視覺化網頁自動化 Agent)、DeepXiv (科研 Agent 的文獻基建)
- Academic-Search (科研智能體專屬文獻檢索技能)
- ai-website-cloner-template (AI 網頁逆向與生成神器)
- Gemma-4-31B-CRACK (資安紅隊越獄專武)
- Anthropic-Cybersecurity-Skills (資安 Agent 終極技能庫)
- Awesome-Design-MD (AI 視覺設計說明書)
- HyperFrames (HeyGen 代碼驅動影片渲染框架)
- Hyper-Extract：首創「八大強類型結構」與「知識增量演進」的 Graph-RAG 前處理終極神作。
- OpenCLI (網頁與私域數據 CLI 化神器)：終結 Agent 視覺解析的高昂成本，將全網與本地應用直接化為 AI 專屬的「命令行 API」神作！
- DCI-Agent-Lite (Direct Corpus Interaction)：拋棄 Embedding 與向量庫，讓 Agent 直接用 Bash 指令「裸搜」語料的 RAG 顛覆神作！
- Universal Data Tool：打破商業標註平台高昂成本，一站式搞定圖、文、音、影全模態標註的開源協作神作！
- Phi-Ground-Any-4B (微軟)：專為 AI Agent 打造的「精準點擊」視覺定位神作，徹底打通電腦控制的最後一哩路！
- Hugging Face ml-intern：重新定義「AI 幫我做研究」！能自主讀論文、找資料、寫腳本並提交 GPU 訓練的開源 ML 實習生。
- EssenceBench：終結海量題海戰術的評測革命，用 1/200 的題量精準還原 95% 的大模型榜單排名！
- LLM Wiki：將 Andrej Karpathy 的 AI 知識庫理念完美落地的神作！從被動 RAG 檢索進化為具備「深度研究 (Deep Research)」與「視覺化知識圖譜」的自主學習大腦。
- Jina Embeddings V5 Omni：打破模態孤島的全模態向量化霸主，真正實現圖、文、音、影「大一統」且完全相容舊有文字索引！
- Claude for Legal (Anthropic)：Anthropic 官方開源的法律業專屬 Agent 智慧體全家桶，無縫接入 20+ 專業系統的自動化法務大腦！
Computer-Vision：
- Stirling-PDF (全能隱私安全 PDF 處理基礎設施)
- PDFMathTranslate
- Remotion Skills (AI 代碼驅動影片框架)
- Infinity-Parser2：打破大廠閉源壟斷的文檔解析天花板，單一模型通吃六大任務的開源霸主！
- SAM3-LoRA：打破通用大模型在專業領域「水土不服」的魔咒，6GB 顯存即可實現 SAM3 的極速領域特化！
- EUPE: DINOv3 + SAM + CLIP 三模合一輕量檢測框架：打破大模型落地門檻的開箱即用神器，將 DINOv3、SAM 與 CLIP 的跨域超能力濃縮進極致輕量的檢測管線！
- LuoHuaLabel (基於 SAM 3 的智慧標註神器)：徹底解放雙手的資料標註黑科技，以 SAM 3 驅動的次世代視覺標註系統！
- DINO-AD：打破模型微調成本高牆的免訓練 (Training-Free) 異常檢測黑科技！

📅 2026-05-13 更新快訊

Large-Language-Model：何愷明團隊重磅推出 ELF (Embedded Language Flows)。
Speech-Processing：ControlAudio、SpeakerRPL V2、Voxtral-Mini-4B-Realtime。
Computer-Vision：SVOR (Stable Video Object Removal、SubspaceAD、SAM3-I、X2SAM、RNS (Retrieve and Segment)、RefineAnything、CyberVerse、InfiniteTalk