《大模型基础》系统解析大语言模型核心技术，涵盖传统语言模型、Transformer架构演化、Prompt工程、参数高效微调等六大前沿领域，每月持续更新追踪技术动态。全书以动物案例增强可读性，配套章节论文清单及完整PDF资源下载，深度剖析模型编辑、检索增强生成等实战技术，提供大语言模型评测方法及推理加速预研方向。教材整合统计方法、RNN架构、Decoder-only模型等核心知识点，附加低秩适配、T-Patcher等实操方案，助力开发者构建智能体应用体系。开放社区互动优化机制，持续补充大模型智能体等新内容，打造专业级人工智能技术学习生态。
| 章节 | 所含内容 | ||
|---|---|---|---|
| 第 1 章：语言模型基础 | 1.1 基于统计方法的语言模型 | 1.2 基于 RNN 的语言模型 | 1.3 基于 Transformer 的语言模型 |
| 1.4 语言模型的采样方法 | 1.5 语言模型的评测 | ||
| 第 2 章：大语言模型 | 2.1 大数据 + 大模型 → 新智能 | 2.2 大语言模型架构概览 | 2.3 基于 Encoder-only 架构的大语言模型 |
| 2.4 基于 Encoder-Decoder 架构的大语言模型 | 2.5 基于 Decoder-only 架构的大语言模型 | 2.6 非 Transformer 架构 | |
| 第 3 章：Prompt 工程 | 3.1 Prompt 工程简介 | 3.2 上下文学习 | 3.3 思维链 |
| 3.4 Prompt 技巧 | 3.5 相关应用 | ||
| 第 4 章：参数高效微调 | 4.1 参数高效微调简介 | 4.2 参数附加方法 | 4.3 参数选择方法 |
| 4.4 低秩适配方法 | 4.5 实践与应用 | ||
| 第 5 章：模型编辑 | 5.1 模型编辑简介 | 5.2 模型编辑经典方法 | 5.3 附加参数法：T-Patcher |
| 5.4 定位编辑法：ROME | 5.5 模型编辑应用 | ||
| 第 6 章：检索增强生成 | 6.1 检索增强生成简介 | 6.2 检索增强生成架构 | 6.3 知识检索 |
| 6.4 生成增强 | 6.5 实践与应用 | ||
GitHub：https://github.com/ZJU-LLMs/Foundations-of-LLMs
- 转载请保留原文链接谢谢！
- 本站所有资源文章出自互联网收集整理，本站不参与制作，如果侵犯了您的合法权益，请联系本站我们会及时删除。
- 本站发布资源来源于互联网，可能存在水印或者引流等信息，请用户擦亮眼睛自行鉴别，做一个有主见和判断力的用户。
- 本站资源仅供研究、学习交流之用，若使用商业用途，请购买正版授权，否则产生的一切后果将由下载用户自行承担。
- 联系方式（#替换成@）：wayneluck#gmail.com
© 版权声明
文章版权归作者所有，未经允许请勿转载。
THE END
暂无评论内容