大模型开源书入门中文1–3 周★ 7.6k18 章可站内阅读
So Large LM
Datawhale：大模型基础知识地图
Datawhale · 7,562 stars
Datawhale《大模型基础》：用中文系统梳理大模型相关概念与知识地图。适合动手前先补理论骨架，或已经学过很多名词却串不成体系的读者，作为后续从零实现课的前置阅读。
为什么收录 · 中文大模型「理论地图」课，和站内大量动手课形成必要互补：先把骨架立住，再进入实现与微调。
大模型基础理论地图术语体系中文教程Datawhale
这本书强在哪
- 中文「先建立骨架」材料， complementary 到动手课
- 可在线阅读，适合通勤精读
- 与 happy-llm / llms-from-scratch-cn 形成理论→实现路径
- 适合零散学过但缺体系的人
建议怎么学
- 01先通读建立术语地图，再回头深挖不懂的章
- 02每章用自己的话写 5 条概念卡
- 03读完后接 tiny-universe 或 llms-from-scratch-cn 动手
- 04应用向读者可转 llm-universe
适合谁 / 前置
- 高中数学直觉即可
- 有基础 Python 更佳，但不是硬门槛
学完得到什么
- 建立大模型核心概念地图
- 能读懂常见术语与技术路线关系
- 为后续从零实现/微调课铺理论底子
- 知道自己下一步该补哪条动手路径
目录
来自站内阅读器镜像；点击章节直接阅读
docs18 章
- 01docsmarkdown
- 02第1章 引言markdown
- 03第2章 大模型的能力markdown
- 04第3章 模型架构markdown
- 05第4章 新的模型架构markdown
- 06第5章 大模型的数据markdown
- 07第6章 模型训练markdown
- 08第7章 大模型之Adaptationmarkdown
- 09第8章 分布式训练markdown
- 10第9章 大模型的有害性（上）markdown
- 11第10章 大模型的有害性（下）markdown
- 12第11章 大模型法律markdown
- 13第12章 环境影响markdown
- 14基于大模型的智能体(Agent)markdown
- 15引言markdown
- 16探索深层式人工智能的无限潜力:从"工具人"到创造伙伴markdown
- 17全面释放ChatGPT的无限潜能 ‐ 实用技巧、创新应用与前沿探索markdown
- 18大模型理论基础markdown
策展亮点章节
大模型概览关键结构与训练对齐与能力应用范式学习路径建议
仓库数据
Stars7,562
Forks625
创建2023/7/17
更新2026/8/9
2fe3caf2（main）· 许可证 需人工确认 (NOASSERTION)。 上游更新后可通过同步脚本刷新。