返回首页继续学习
Learn-LLM 课程目录
25 章、7 个单元，从“AI 到底是什么”讲到 RAG、Agent 和日常工作流。每章都围绕一个问题展开，保持短、清楚、可互动。
学习进度
已完成 0 / 32 章
第一单元：AI 是怎么发展到大模型的
第二单元：大模型到底是怎么生成文字的
05
未完成Token：大模型眼里的文字积木
认识模型读写文字时使用的基本小块，避免把文字当成完整句子理解。
06
未完成上下文窗口：为什么长对话会忘记前面？
理解模型一次只能看到有限内容，长对话需要管理上下文。
07
未完成Token 账本：为什么长文本会变贵？
把输入、输出、上下文和费用之间的关系讲清楚。
08
未完成接下一句话：为什么预测下一个词能表现得像理解？
通过预测下一个词的小游戏，建立 next-token prediction 的直觉。
09
未完成温度与随机性：为什么同一个问题会有不同答案？
理解 temperature 如何影响稳定性、发散性和创作感。
9.5
未完成第二单元总结
回顾 token、上下文窗口、费用账本、next-token prediction 和温度这五个核心概念如何串起模型的生成机制。
第三单元：大模型为什么会“思考”也会“胡说”
第四单元：怎样让大模型更可靠
第五单元：从 Prompt 到 Agent
第六单元：普通人如何正确使用大模型
第七单元：如果你还想知道更多
22
未完成蒸馏：为什么小模型可以有大能力？
用老师教学生的比喻，理解大模型的知识如何浓缩到小模型中。
23
未完成大模型是怎样训练出来的？
理解预训练与后训练的分工：SFT 教格式，RL 练专精，RLHF 定边界。
24
未完成开源模型：除了 ChatGPT 还有什么选择？
认识主流开源模型类型，理解各自适合的场景和局限性。
25
未完成多模态：为什么 AI 不只是会聊天？
理解模型除了文字还能理解图片、文档、语音和视频，知道什么时候纯文本就够用。
25.5
未完成第七单元总结
回顾蒸馏、训练流程、开源模型选择和多模态能力，完成从'AI 是什么'到'怎么用'到'怎么来'的完整学习路径。