AI学习
从大模型基础概念到 Agent 的系统学习路径
章节一览
| 章节 | 关键内容 | 学习状态 |
|---|---|---|
| 学习与环境准备 | 分章依赖、硬件建议与实践入口 | |
| 前言 | 本项目的缘起、背景及读者建议 | |
| 第一章 NLP 基础概念 | 什么是 NLP、发展历程、任务分类、文本表示演进 | |
| 第二章 Transformer 架构 | 注意力机制、Encoder-Decoder、手把手搭建 Transformer | |
| 第三章 预训练语言模型 | Encoder-only、Encoder-Decoder、Decoder-Only 模型对比 | |
| 第四章 大语言模型 | LLM 定义、训练策略、涌现能力分析 | |
| 第五章 动手搭建大模型 | 实现 LLaMA2、训练 Tokenizer、预训练小型 LLM | |
| 第六章 大模型训练实践 | 预训练、有监督微调、LoRA/QLoRA 高效微调 | |
| 第七章 大模型应用 | 模型评测、RAG 检索增强、Agent 智能体 |