新增训练、推理与应用模块

新增训练、推理与应用模块

LLM Primer 最初从基础概念出发，覆盖了 Tokenization、Attention、Transformer 等核心主题。随着内容沉淀，我们将知识库扩展到三个新模块：

训练 / Training

• 预训练与 Scaling Law：从数据工程到计算最优训练，理解模型如何”学会猜下一个词”。
• 微调与对齐：SFT、RLHF、DPO 等方法如何让模型从”通才”变成”听话的助手”。

推理 / Inference

• KV Cache 与量化：推理优化的两大支柱——缓存已计算结果和降低精度以节省资源。
• 高效注意力：FlashAttention、稀疏注意力与线性复杂度的前沿探索。

应用 / Applications

• RAG 与检索增强：让模型拥有可更新的外部记忆，减少幻觉、增强可溯源性。
• Agent 与工具使用：从聊天到行动，模型如何通过工具作用于真实世界。

每篇文章都延续 LLM Primer 的三档阅读设计：直觉版先建立概念，工程版讨论实现取舍，研究版追踪开放问题。欢迎通过 PR 补充内容、修正错误或认领 inbox 中的候选论文。