base-llm

收录理由

这份教程以代码为主线，把从经典自然语言处理到大语言模型的演进脉络梳理成一条清晰的学习路径，而不是零散的知识点堆砌。内容从分词、词向量、RNN/LSTM 讲起，逐步深入到 Transformer 与注意力机制，再覆盖 BERT、GPT、T5 等预训练模型，随后进入动手实战环节：从零搭建 Llama2 风格模型，实践 LoRA 与 QLoRA 微调，并涉及 RLHF 对齐技术。对于一线工程师而言，部署章节尤其实用，展示了如何用 FastAPI 提供微调后的模型服务、通过 Docker Compose 容器化，以及配置 CI/CD 流水线，让所学能直接落到生产环境。文本分类、NER 等实际项目贯穿其中，还专门讨论了模型安全与多模态方向，帮助学习者既看到广度，又把握住技术演进的深层逻辑。