这套中文LLM教程太系统了

学大模型最累的，往往不是知识难，而是资料太碎： 刚理解 Token，下一篇突然开始讲 RLHF；会调用 API，却说不清注意力、KV-Cache 和推理框架为什么这样设计；收藏了很多论文和课程，最后还是不知道该按什么顺序学。 主包最近整理出一套中文大模型教程，把内容按依赖关系编成了 30 章，从零基础一路覆盖，助你从小白成长为LLM大佬： 1. Token、Embedding、Attention、Transformer 2. 预训练、SFT、RL 与推理能力 3. KV-Cache、投机解码、MoE、量化 4. CUDA、分布式训练与 AI Infra 5. Agent、RAG、多模态、评测与安全 6. vLLM、SGLang、Megatron、verl、Codex 源码 7. 可以亲手完成的工程实战项目 主包写教程的过程中，尽量把每个概念放回因果链：先讲为什么，再讲机制，最后落到工程，并在每课末尾留下可追溯来源。 课程从什么是大语言模型开始，再沿着表示、训练、推理、系统和应用逐层展开。可以按目录顺序学习，也可以先用图中的六条主线定位自己的知识缺口。 先收藏这组路线图。你现在最想补的是 Transformer、训练、推理优化、AI Infra，还是 Agent？ #大模型 #人工智能 #LLM #AI学习 #AI教程 #AIInfra #程序员 #机器学习 #Agent #自学网站