GitHub Stars
5.0K
Forks数量
714
贡献者数量
17
许可证
MIT
收录理由
多数工程师花一个下午就能搭出LLM演示，但要把原型变成可靠的产品，性能、安全、可扩展性这些差距才是真正的难点。这份手册把框架、教程、数据集和基准测试收集到一起，覆盖从预训练、微调到服务部署和LLMOps的完整生命周期，你可以直接跳到当前工作的阶段查阅。它还专门给经典机器学习留了位置，因为生产环境里幻觉检测、数据隐私保护等场景仍然需要它们。无论你是想拼出一套可用的技术栈，还是规划下一步该学什么，这都是一份实用的生态地图，而不是某个可以直接部署的工具。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。
同类热门项目
prompts.chat
前身为 Awesome ChatGPT Prompts。分享、发现和收集社区提示词。免费且开源——可自托管，为您的组织提供完全隐私。
JavaGuide
Java 面试 & 后端通用面试指南，覆盖计算机基础、数据库、分布式、高并发、系统设计与 AI 应用开发
system-prompts-and-models-of-ai-tools
精选流行AI助手和编码代理的系统提示、内部工具和AI模型集合。
30-seconds-of-code
编程文章，助你提升开发技能
generative-ai-for-beginners
21节课，开始使用生成式AI构建