Summary#

• 封面

第一部分：大语言模型基础#

• 第1章 初识大语言模型
• 第2章 与模型对话：提示工程基础
• 第3章 语言的基石：分词与嵌入

第二部分：Transformer架构揭秘#

• 第1章 Transformer核心揭秘
• 第2章 模型家族谱系：从编码器到解码器
• 第3章 预训练的奥秘：从数据到智能

第三部分：数据工程与定制化#

• 第1章 数据工程基础
• 第2章 微调你的专属模型
• 第3章 与人类对齐：偏好优化
• 第4章 创建更优的嵌入模型

第四部分：大模型应用开发#

• 第1章 提示工程与上下文学习
• 第2章 检索增强生成（RAG）原理
• 第3章 智能体（Agent）核心机制
• 第4章 多模态大模型原理

第五部分：工程实战工具栈#

• 第1章 Hugging Face生态全景
• 第2章 LLaMA-Factory微调工厂
• 第3章 TRL与强化学习实战
• 第4章 DeepSpeed分布式训练
• 第5章 端到端LLM项目实战

第六部分：生产部署与评估#

• 第1章 模型压缩与推理加速
• 第2章 vLLM高性能推理
• 第3章 模型评估体系

第七部分：高级技术专题#

• 第1章 长上下文技术
• 第2章 新型架构探索
• 第3章 推理加速黑科技
• 第4章 推理模型专题
• 第5章 模型安全与可解释性

附录#

• 完结报告