"LLM入门实践指南"是一个通过代码实践，为大模型入门读者提供全面且较为深入的大模型技术视角的教程。
为何关注LLM？
-
创新与变革：LLM不仅推动了自然语言处理（NLP）领域的进步，还在诸多行业中催生了新的应用场景和服务模式。
-
技术的飞跃：随着算法的不断优化和计算资源的提升，LLM的能力达到了前所未有的高度。
-
社会影响：这些模型正在改变人们获取信息的方式，并对教育、娱乐乃至政策制定产生深远影响。
本指南的目标
-
基础知识：介绍LLM的基础概念和技术原理，帮助你理解模型是如何工作的。
-
实践操作：通过实例演示如何使用现有的开源框架，如LangChain、LlamaFactory等，来构建和部署实际的应用程序以及提供大量短小精悍的示例演示诸如大模型微调、RAG、Agent等核心技术。
-
进阶探索：探讨如何优化和扩展模型，以适应特定业务需求。
指南目录暂定为：
-
- RAG系列
-
- 微调系列
-
- Agent系列
-
- RL系列
-
- 多模态系列