minimind-deep-dive

这是一个面向中文学习者的大型语言模型（LLM）源码精读与技术体系解析项目，以MiniMind开源模型为切入点，逐行对照其Python源码并系统延伸至大模型训练全栈技术。核心涵盖预训练、监督微调（SFT）、直接偏好优化（DPO）、近端策略优化（PPO）及广义奖励策略优化（GRPO）等主流训练范式，统一梳理从logits到参数更新的数学链路，并提供MiniMind2与MiniMind-3版本差异对照及真实训练实验数据。适合希望深入理解LLM底层实现、训练机制与技术演进路径的研究者、工程师和进阶学习者。