大模型开源书入门中文3–6 周★ 48k↑+2711 章可站内阅读
Dive into LLMs
中文 LLM 原理与实践导读
Lordog · 48,275 stars · 8/8 04:44 → 8/8 14:57（10 小时）
中文 LLM 原理与实践导读，用 Notebook 帮助读者在中文语境里建立知识地图：Transformer、训练与对齐、推理与应用。它不是最深的实现课，而是进阶训练课之前最友好的「地图书」。
为什么收录 · 降低中文读者进入 LLM 领域的门槛，和 Raschka / MiniMind / Happy-LLM 形成互补序列。
LLM 导读Transformer中文教程训练概览推理学习路径
这本书强在哪
- 中文导读定位明确：先建地图，再深入实现
- Notebook 形式，适合边读边跑小实验
- 与 Raschka（手写）/ MiniMind（全链路）形成「导读 → 专精」互补
- 降低英文教材前置门槛，适合国内自学路径
建议怎么学
- 01通读一遍建立术语表，再回头精读 Transformer 与训练章
- 02每章只跟一个小实验，避免同时开多个训练项目
- 03导读完成后二选一深挖：手写实现（Raschka）或低成本全链路（MiniMind）
- 04应用向读者可转 Happy-LLM 应用章节或 GenAI 入门课
适合谁 / 前置
- Python 基础
- 机器学习常识（过拟合、训练/验证即可）
- 不要求先啃完英文 from-scratch 书
学完得到什么
- 建立中文语境下的 LLM 知识地图
- 能跟读关键论文与代码仓库而不迷路
- 为 MiniMind / Raschka / Happy-LLM 等进阶材料做好准备
- 分清预训练、微调、推理、应用各自解决什么问题
目录
来自站内阅读器镜像；点击章节直接阅读
Notebook11 章
策展亮点章节
LLM 概览与发展Transformer 核心训练与对齐导读推理与应用资源导航
仓库数据
Stars48,275
Forks5,774
主要语言Jupyter Notebook
创建2024/4/8
更新2026/8/8
f84c0426（main）· 许可证 需人工确认 (NOASSERTION)。 上游更新后可通过同步脚本刷新。