以下是这 29 个视频及其标题：
（1）DeepSeek系列介绍
（2）DeepSeek 基础知识
（3）代币进入 LLM 架构的旅程
（4）1小时讲解注意力机制
（5）自注意力机制——从零开始手写
（6）因果注意力解释：不要窥视未来
（7）多头注意力机制的可视化解释
（8）从头开始手写的多头注意力机制
（9）从头开始的键值缓存
（10）多查询注意力机制解释
（11）理解分组查询注意力机制（GQA）
（12）从零开始的多头潜在注意力机制
（13）用 Python 从 Scratch 代码实现多头潜在注意力
(14) 整数和二进制位置编码
(15) 关于正弦位置编码
（16）旋转位置编码
（17）DeepSeek 究竟如何实现潜在注意力机制 | MLA + RoPE
（18）专家混合（MoE）简介
（19）专家联手示范
（20）混合专家平衡技术
（21）DeepSeek 如何重写专家混合模型（MoE）？
（22）用 Python 从 Scratch 编写混合专家系统（MoE）
（23）多Token预测介绍
（24）DeepSeek 如何重写多令牌预测
（25）从头开始编码的多令牌预测
(26) LLM量化简介
（27）DeepSeek 如何重写量化（第一部分）
（28）DeepSeek 如何重写量化（第二部分）
（29）从头开始构建DeepSeek 20分钟总结
网友热评：
1、这些视频的文字记录可以用ChatGPT总结成……1000 个字。
去把它放到 Substack 之类的地方吧。没人会看 29 个 20 分钟的视频。等等，有些视频超过一个小时了。救命！我觉得我得去麻省理工学院拿个学位。
2、缺少文字文章来补充视频内容（尤其是有时听不懂你的口音），这有点令人失望。尽管如此，我还是尊重你们的努力。
3、快速浏览了一些视频，大致了解了一下，感觉还不错。视频内容可能比大多数人想要的或能轻松理解的要理论化得多，你很可能需要一定的基础才能看完。但是，要真正理解这些模型的创建原因和方法，你确实需要所有的理论背景，尤其是在你想从头开始创建一个新模型，或者想创建一个类似但又不同的模型的时候。
正在寻找这些内容的人一定会觉得它非常有用。感谢您创建这些内容并分享您的知识。
至于其他评论，你不能仅仅提供完整的代码就指望知道它是如何工作的。Github 上很可能已经有很多用代码实现的模型示例了。即使它没有告诉你如何从头开始构建，也不意味着它没用。另外，不管你喜不喜欢，所有东西都不可能被做成 30 秒的抖音视频，需要“bla-bla-bla”才能理解。