评估、测试与可观测
LLM 应用的评估与可观测：基准测试、RAG 评估、Tracing 与监控、Guardrails，建立可量化的质量闭环。
进阶
世界模型入门：从视频生成到物理推理，理解 AI 如何建模现实
厘清概念、分类与评估方法，揭示世界模型在具身智能与视频生成中的核心挑战
进阶AI 安全实战：从提示注入到护栏工程，构建可信智能体系统
系统梳理 AI 安全风险与防护手段，助力开发者构建可靠智能体
进阶具身智能技术栈全景：从 VLA 到世界动作模型，机器人如何学会干活
五层技术堆栈深度拆解，VLA、世界模型、触觉感知与跨本体泛化全解析
进阶Agent 数据架构新范式：Skill + 语义层 + 知识库，让企业 Agent 真正落地
从数据架构角度出发，结合 Skill、语义层和知识库，解决 Agent 落地中的指标口径、实时数据和权限等卡点。
高级AI 模型评测与安全红宝书：基准、越狱与对齐实践
从 GeneBench-Pro 到 CJS 框架，系统梳理模型评测基准、安全攻击与对齐技术的全景与深度实践
高级世界模型与具身智能：从预测到动作的统一框架
梳理世界模型（WAM、WVM、LoopWM）与具身智能（VLA、Skill）的最新进展，以及如何评估和落地
进阶大模型后训练实战：从 SFT 到 RL 的完整技术栈
系统讲解后训练中的关键方法（SFT、RLHF、OPD、PEFT），并给出评估通用能力损失的量化方法
进阶WhyLabs AI Observatory: 完整设置指南
使用 WhyLabs 实现实时数据和 AI 监控
进阶LangSmith LLM 评估：构建系统化反馈循环
追踪收集、评估数据集、A/B 测试与回归检测
进阶Prometheus + Grafana 在 AI 应用中的监控实践：2026 指南
为 LLM API 成本、延迟和错误率搭建全面监控
高级时间序列异常检测：从统计方法到深度学习方法
孤立森林、LSTM自编码器及生产级异常检测系统
进阶RAGAS 评估：开发者指南与快速入门 2026
学习 RAGAS 评估：定量评估 RAG 系统