LLM Primer – 系统学习大语言模型

LLM Primer

系统学习大语言模型：从原理到实践

一个双语、分层次、社区驱动的 LLM 学习知识库，涵盖基础概念、工程实践、前沿论文与可交互演示。

这是什么 / 给谁 / 要多久

• 30 分钟：通过直觉版建立心智模型，理解 LLM 核心概念
• 3 小时：完成工程档，掌握落地实践与性能优化
• 按需深入：在研究档追踪论文脉络、开放问题与前沿进展

三档学习模式（Tier）

💡直觉档 Intro

用类比、可视化和交互演示建立直觉理解，快速建立心智模型。

⚙️工程档 Engineer

关注实现细节、性能优化、成本权衡与工程最佳实践。

🔬研究档 Research

深挖论文细节、理论假设、实验证据与开放问题，连接学术前沿。

四大模块与学习路径

🧠基础 Foundations

Tokenization、Attention、Transformer、采样与解码、位置编码、Embeddings、涌现能力

7 篇文章 · ~56 分钟⚡训练 Training

预训练与 Scaling Law、微调与对齐（SFT、RLHF、DPO）

4 篇文章 · ~32 分钟🚀推理 Inference

KV Cache 与量化、FlashAttention 与高效注意力、长上下文

3 篇文章 · ~24 分钟🎯应用 Applications

RAG 与检索增强、Agent 与工具使用、Prompt Engineering

2 篇文章 · ~16 分钟

从这里开始

🌱 我是新手从基础模块总览开始，按推荐顺序阅读⚙️ 我是工程师直达推理与优化模块，解决实际工程问题🔬 我是研究者浏览论文库，查看分类与引用关系🗺️ 我想看地图可视化学习路径，鸟瞰全站结构

最近更新

• Agent 与工具使用：模型不只是聊天 2026-09-13

  解释 LLM Agent、工具调用、规划与多 Agent 协作。

• 评估与基准：如何判断模型好坏 2026-09-13

  解释 LLM 评估方法、基准测试与常见陷阱。

• 安全与对抗：模型的防护与攻击 2026-09-13

  解释幻觉、jailbreak、提示注入与防御策略。

• Sampling 与 Decoding：从概率到文字 2026-09-13

  解释 temperature、top-k、top-p 与推理时的选择。

• 高效注意力：突破序列长度平方瓶颈 2026-09-13

  解释 FlashAttention、稀疏注意力与长上下文推理优化。

• 长上下文：让模型读得更远 2026-09-13

  解释上下文窗口扩展、位置编码外推与长文本评测。

---

订阅 RSS

订阅博客更新，第一时间获取新文章