ml-engineering

这是一个面向大模型工程实践的开源知识库，系统整理了大规模语言模型（LLM）与多模态模型（VLM）训练、微调及推理的工程方法、工具链和实操指南。核心内容覆盖硬件选型（GPU/存储/网络）、分布式训练调度（SLURM）、模型训练与推理优化、调试排错、MLOps实践等关键环节，提供大量可复用的脚本和命令行示例。适用于AI基础设施工程师、LLM训练工程师及需要落地大模型训练/部署的技术团队，尤其适合在HPC或云环境开展规模化模型训练与服务的场景。