[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-9807":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":10,"language":11,"languages":10,"totalLinesOfCode":10,"stars":12,"forks":13,"watchers":14,"openIssues":15,"contributorsCount":16,"subscribersCount":16,"size":16,"stars1d":17,"stars7d":18,"stars30d":19,"stars90d":16,"forks30d":16,"starsTrendScore":20,"compositeScore":21,"rankGlobal":10,"rankLanguage":10,"license":10,"archived":22,"fork":22,"defaultBranch":23,"hasWiki":24,"hasPages":24,"topics":25,"createdAt":10,"pushedAt":10,"updatedAt":36,"readmeContent":37,"aiSummary":38,"trendingCount":16,"starSnapshotCount":16,"syncStatus":39,"lastSyncTime":40,"discoverSource":41},9807,"LLMBook-zh.github.io","LLMBook-zh\u002FLLMBook-zh.github.io","LLMBook-zh","《大语言模型》作者：赵鑫，李军毅，周昆，唐天一，文继荣","https:\u002F\u002Fllmbook-zh.github.io\u002F",null,"Python",4493,339,28,12,0,1,8,30,5,29.59,false,"main",true,[26,27,28,29,30,31,32,33,34,35],"artificial-intelligence","deep-learning","deep-neural-networks","deep-reinforcement-learning","fine-tuning","language-model","large-language-models","natural-language-processing","nlp","pretrained-models","2026-06-12 02:02:12","\r\n\r\n# 大语言模型\r\n作者：[赵鑫](\u003Chttp:\u002F\u002Faibox.ruc.edu.cn\u002F>)，[李军毅](\u003Chttps:\u002F\u002Flijunyi.tech\u002F>)，[周昆](\u003Chttps:\u002F\u002Flancelot39.github.io\u002F>)，[唐天一](\u003Chttps:\u002F\u002Fsteventang1998.github.io\u002F>)，[文继荣](\u003Chttps:\u002F\u002Fgsai.ruc.edu.cn\u002Fjrwen>)  \r\n\r\n## 关于本书\r\n\r\n为了更好地普及和传播大模型技术的最新进展与技术体系，我们于2023年3月发表了大语言模型英文综述文章《A Survey of Large Language Models》，并不断进行更新完善，目前已经更新至第14个版本，95页正文1064个参考文献。自英文综述文章上线后，陆续有读者询问该英文综述文章是否有对应的中文版本。为此，我们于2023年8月发布了该综述（v10）的中文翻译版。2023年12月底，为了更好地提供大模型技术的中文参考资料，我们启动了中文书的编写工作，并且于2024年4月完成初稿，经过历时5个月的后续修正与完善，这本书终于出版了。\r\n\r\n与英文综述文章的定位不同，本书更关注为大模型初学者提供整体的技术讲解，为此我们在内容上进行了大范围的更新与重组，力图展现一个系统的大模型技术框架和路线图。本书适用于具有深度学习基础的读者阅读，可以作为一本基础的大模型参考书籍。在准备中文书的过程中，我们广泛阅读了现有的经典论文、相关代码和学术教材，从中提炼出核心概念、算法与模型，并进行了系统性的组织与讲解。我们对于每个章节的内容初稿都进行了多次修正，力求表达的清晰性与准确性。然而在图书编写过程中，我们深感自身能力与知识的局限性，尽管已经付出了巨大的努力，但仍难免会有遗漏或不足之处。本书的出版仅是一个起点，我们将编写此书的过程也作为一个自身的学习过程，希望能够通过本书与读者进行深入交流，向更多的行业同行学习，欢迎大家为这本书提出宝贵的指导建议。\r\n\r\n\r\n\u003Cbr>\r\n\u003Cdiv align=\"center\">\r\n  \u003Ca href=\"https:\u002F\u002Fitem.jd.com\u002F14901508.html\" target=\"_blank\">\r\n    \u003Cimg src=\"cover-re.png\" width=\"480\" height=\"480\">\r\n  \u003C\u002Fa>\r\n\u003C\u002Fdiv>\r\n\u003Cbr>\r\n\r\n\r\n\r\n## 推荐语\r\n\u003Clink rel=\"stylesheet\" href=\".\u002Fassets\u002Fcss\u002Fstyles.css\">\r\n\r\n\u003Cdiv class=\"recommendation\">\r\n  \u003Cp>本书的编者长期从事大模型技术的相关研究，曾组织研发了文澜、玉兰等一系列大模型，具有深厚的科研与实践积累。本书内容深入结合了编者在研发大模型过程中的第一手经验，全面覆盖了大模型技术的多方面知识，可以作为深入学习大模型技术的参考书籍，强烈推荐阅读!\u003C\u002Fp>\r\n  \u003Cp class=\"author\">张宏江 北京智源人工智能研究院学术顾问委员会主任、美国国家工程院外籍院士\u003C\u002Fp>\r\n\u003C\u002Fdiv>\r\n\r\n\u003Cdiv class=\"recommendation\">\r\n  \u003Cp>本书的编写团队于2023年3月发布了学术界首篇大语言模型综述文章“A Survey of Large Language Models”，受到了广泛关注。在这篇经典综述文章基础上，编写团队对编写内容进行了精心组织与撰写，并且融入了其长期从事大模型技术的科研经验。本书具有重要的参考与学习价值，是一部值得推荐的大模型佳作。\u003C\u002Fp>\r\n  \u003Cp class=\"author\">鄂维南 北京大学讲席教授、中国科学院院士\u003C\u002Fp>\r\n\u003C\u002Fdiv>\r\n\r\n\u003Cdiv class=\"recommendation\">\r\n  \u003Cp>大模型作为一种快速兴起的人工智能技术，已经深刻地影响了未来的科技发展趋势。为了更好地推进大模型技术在我国的学习与普及，亟须有专业的中文技术图书进行系统介绍。本书是一部精心编写的大模型技术图书，涵盖了预训练、微调、对齐、提示工程等众多基础内容，能够为相关从业人员提供权威的、系统的学习参考，强烈推荐阅读。\u003C\u002Fp>\r\n  \u003Cp class=\"author\">张亚勤 清华大学智能科学讲席教授、中国工程院外籍院士\u003C\u002Fp>\r\n\u003C\u002Fdiv>\r\n\r\n## 课程资源\r\n为了帮助课程教学及传播大模型知识，《大语言模型》编写团队特别提供了相应的PDF课件：\r\n\r\n\r\n| 课程 | 目录 |\r\n|:----:|:----:|\r\n| 第一课 初识大模型（对应本书第一、二章） | [语言模型发展历程](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E4%B8%80%E8%AF%BE%20%E5%88%9D%E8%AF%86%E5%A4%A7%E6%A8%A1%E5%9E%8B\u002F1.1%20%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E5%8F%91%E5%B1%95%E5%8E%86%E7%A8%8B.pdf)、[大模型技术基础](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E4%B8%80%E8%AF%BE%20%E5%88%9D%E8%AF%86%E5%A4%A7%E6%A8%A1%E5%9E%8B\u002F1.2%20%E5%A4%A7%E6%A8%A1%E5%9E%8B%E6%8A%80%E6%9C%AF%E5%9F%BA%E7%A1%80.pdf)、[GPT和DeepSeek模型介绍](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E4%B8%80%E8%AF%BE%20%E5%88%9D%E8%AF%86%E5%A4%A7%E6%A8%A1%E5%9E%8B\u002F1.3%20GPT%2BDeepSeek%E6%A8%A1%E5%9E%8B%E4%BB%8B%E7%BB%8D.pdf) |\r\n| 第二课 模型架构（对应本书第五章） | [Transformer模型介绍](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E4%BA%8C%E8%AF%BE%20%E6%A8%A1%E5%9E%8B%E6%9E%B6%E6%9E%84\u002F2.1%20Transformer%E6%A8%A1%E5%9E%8B.pdf)、[模型详细配置](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E4%BA%8C%E8%AF%BE%20%E6%A8%A1%E5%9E%8B%E6%9E%B6%E6%9E%84\u002F2.2%20%E6%A8%A1%E5%9E%8B%E8%AF%A6%E7%BB%86%E9%85%8D%E7%BD%AE.pdf)、[长上下文模型和新型架构](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E4%BA%8C%E8%AF%BE%20%E6%A8%A1%E5%9E%8B%E6%9E%B6%E6%9E%84\u002F2.3%20%E9%95%BF%E4%B8%8A%E4%B8%8B%E6%96%87%E6%A8%A1%E5%9E%8B%E5%92%8C%E6%96%B0%E5%9E%8B%E6%9E%B6%E6%9E%84.pdf) |\r\n| 第三课 预训练（对应本书第四、六章） | [预训练之数据工程](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E4%B8%89%E8%AF%BE%20%E9%A2%84%E8%AE%AD%E7%BB%83\u002F3.1%20%E9%A2%84%E8%AE%AD%E7%BB%83%E4%B9%8B%E6%95%B0%E6%8D%AE%E5%B7%A5%E7%A8%8B.pdf)、[预训练之具体流程](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E4%B8%89%E8%AF%BE%20%E9%A2%84%E8%AE%AD%E7%BB%83\u002F3.2%E9%A2%84%E8%AE%AD%E7%BB%83%E4%B9%8B%E5%85%B7%E4%BD%93%E6%B5%81%E7%A8%8B.pdf)、[训练优化](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E4%B8%89%E8%AF%BE%20%E9%A2%84%E8%AE%AD%E7%BB%83\u002F3.3%E9%A2%84%E8%AE%AD%E7%BB%83%E4%B9%8B%E8%AE%AD%E7%BB%83%E4%BC%98%E5%8C%96%E4%B8%8E%E6%95%88%E7%8E%87.pdf)、[模型参数量与训练效率估计](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E4%B8%89%E8%AF%BE%20%E9%A2%84%E8%AE%AD%E7%BB%83\u002F3.3%E9%A2%84%E8%AE%AD%E7%BB%83%E4%B9%8B%E8%AE%AD%E7%BB%83%E4%BC%98%E5%8C%96%E4%B8%8E%E6%95%88%E7%8E%87.pdf) |\r\n| 第四课 指令微调（对应本书第七章） | [指令微调与常见策略](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E5%9B%9B%E8%AF%BE%20%E6%8C%87%E4%BB%A4%E5%BE%AE%E8%B0%83\u002F4.1%20%E6%8C%87%E4%BB%A4%E5%BE%AE%E8%B0%83%E4%B8%8E%E5%B8%B8%E8%A7%81%E7%AD%96%E7%95%A5.pdf)、[轻量化微调](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E5%9B%9B%E8%AF%BE%20%E6%8C%87%E4%BB%A4%E5%BE%AE%E8%B0%83\u002F4.2%20%E8%BD%BB%E9%87%8F%E5%8C%96%E5%BE%AE%E8%B0%83.pdf) |\r\n| 第五课 人类对齐（对应本书第八章） | [人类对齐之基础](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E4%BA%94%E8%AF%BE%20%E4%BA%BA%E7%B1%BB%E5%AF%B9%E9%BD%90\u002F5.1%20%E4%BA%BA%E7%B1%BB%E5%AF%B9%E9%BD%90%E4%B9%8B%E5%9F%BA%E7%A1%80.pdf)、[人类对齐之进阶](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E4%BA%94%E8%AF%BE%20%E4%BA%BA%E7%B1%BB%E5%AF%B9%E9%BD%90\u002F5.2%20%E4%BA%BA%E7%B1%BB%E5%AF%B9%E9%BD%90%E4%B9%8B%E8%BF%9B%E9%98%B6.pdf) |\r\n| 第六课 解码与部署（对应本书第九章） | [大模型解码](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E5%85%AD%E8%AF%BE%20%E8%A7%A3%E7%A0%81%E4%B8%8E%E9%83%A8%E7%BD%B2\u002F6.1%20%E5%A4%A7%E6%A8%A1%E5%9E%8B%E8%A7%A3%E7%A0%81.pdf)、[解码效率分析与加速算法](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E5%85%AD%E8%AF%BE%20%E8%A7%A3%E7%A0%81%E4%B8%8E%E9%83%A8%E7%BD%B2\u002F6.2%20%E8%A7%A3%E7%A0%81%E6%95%88%E7%8E%87%E5%88%86%E6%9E%90%E4%B8%8E%E5%8A%A0%E9%80%9F%E7%AE%97%E6%B3%95.pdf)、[模型压缩](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E5%85%AD%E8%AF%BE%20%E8%A7%A3%E7%A0%81%E4%B8%8E%E9%83%A8%E7%BD%B2\u002F6.3%20%E6%A8%A1%E5%9E%8B%E5%8E%8B%E7%BC%A9.pdf) |\r\n| 第七课 提示学习（对应本书第十章） | [提示设计](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E4%B8%83%E8%AF%BE%20%E6%8F%90%E7%A4%BA%E5%AD%A6%E4%B9%A0\u002F7.1%20%E6%8F%90%E7%A4%BA%E5%B7%A5%E7%A8%8B.pdf)、[上下文学习](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E4%B8%83%E8%AF%BE%20%E6%8F%90%E7%A4%BA%E5%AD%A6%E4%B9%A0\u002F7.2%20%E4%B8%8A%E4%B8%8B%E6%96%87%E5%AD%A6%E4%B9%A0.pdf)、[思维链提示](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E4%B8%83%E8%AF%BE%20%E6%8F%90%E7%A4%BA%E5%AD%A6%E4%B9%A0\u002F7.3%20%E6%80%9D%E7%BB%B4%E9%93%BE%E6%8F%90%E7%A4%BA.pdf)、[检索增强生成](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E4%B8%83%E8%AF%BE%20%E6%8F%90%E7%A4%BA%E5%AD%A6%E4%B9%A0\u002F7.4%20%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90.pdf) |\r\n| 第八课 复杂推理（对应本书第十一章） | [规划与智能体](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E5%85%AB%E8%AF%BE%20%E5%A4%8D%E6%9D%82%E6%8E%A8%E7%90%86\u002F8.1%20%E8%A7%84%E5%88%92%E4%B8%8E%E6%99%BA%E8%83%BD%E4%BD%93.pdf)、[复杂推理与慢思考](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E7%AC%AC%E5%85%AB%E8%AF%BE%20%E5%A4%8D%E6%9D%82%E6%8E%A8%E7%90%86\u002F8.2%20%E5%A4%8D%E6%9D%82%E6%8E%A8%E7%90%86%E4%B8%8E%E6%85%A2%E6%80%9D%E8%80%83.pdf) |\r\n| 其他章节  |  [大模型资源](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E8%AF%84%E6%B5%8B%E4%B8%8E%E8%B5%84%E6%BA%90\u002F%E5%A4%A7%E6%A8%A1%E5%9E%8B%E8%B5%84%E6%BA%90.pdf)、[大模型评测](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fblob\u002Fmain\u002Fslides\u002F%E8%AF%84%E6%B5%8B%E4%B8%8E%E8%B5%84%E6%BA%90\u002F%E5%A4%A7%E6%A8%A1%E5%9E%8B%E8%AF%84%E6%B5%8B.pdf) |\r\n\r\n## PPT课件获取\r\n\r\n对于将本纸质书籍列为主要授课书籍的课程，如果需要相应的原始PPT课件进行授课，请使用**机构邮箱**联系 rucaibox at 163.com 进行申请。\r\n\r\n邮件标题：《大语言模型》PPT课件-{姓名}-{机构}\r\n\r\n邮件内容请说明\r\n\r\n```\r\n已将本纸质书籍列为主要授课书籍，课程中需要明确地注明课件来源（请在教学课件中或者教学大纲中说明），PPT课件仅用于课程教学，并列出课程名称。\r\n```\r\n\r\n未经许可，不得二次传播和上网传播。\r\n\r\n对于申请课件的邮件，下列情况不予回复:\r\n\r\n1. 没有个人和课程的基本介绍，拷贝模板内容，没有使用所在机构认证的邮箱;\r\n\r\n2. 助教代为申请，没有抄送老师；\r\n\r\n3. 公司培训和个人学习用途（如公司需要，需走商业流程），个人学习可以直接使用pdf版本。\r\n\r\n## 代码获取\r\n\r\n所有本书中的代码片段已公开在github，可前往获取：[code](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Ftree\u002Fmain\u002Fcode)。\r\n\r\n## 教学视频获取\r\n\r\n相关课程教学视频已公开在 bilibili 网站：[观看视频](https:\u002F\u002Fspace.bilibili.com\u002F431850986\u002Flists\u002F4940683?type=season)\r\n\r\n## 引用格式\r\n```\r\n@book{LLMBook,\r\n  title = {大语言模型},\r\n  publisher = {高等教育出版社},\r\n  year = {2024},\r\n  author = {赵鑫, 李军毅, 周昆, 唐天一, 文继荣},\r\n  address = {北京},\r\n  url = {https:\u002F\u002Fllmbook-zh.github.io\u002F},\r\n}\r\n\r\n```\r\n\r\n## 内容贡献\r\n\r\n本书各章节的主要负责人和参与人名单如下：\r\n\r\n- 第三章的负责人是闵映乾和杨晨，参与人有李军毅、周昆； \r\n- 第四章的负责人是张君杰、侯宇蓬和周昆； \r\n- 第五章的负责人是董梓灿，参与人有田震和唐天一；\r\n- 第六章的负责人是唐天一和陈昱硕；\r\n- 第七章的负责人是唐天一，参与人有成晓雪；\r\n- 第八章的负责人是李军毅和陈志朋；\r\n- 第九章的负责人是陈昱硕、刘沛羽和唐天一，参与人有周昆；\r\n- 第十章的负责人是李军毅、汤昕宇和都一凡，参与人有王晓磊；\r\n- 第十一章的负责人是任瑞阳和蒋锦昊，参与人有李军毅；\r\n- 第十二章的负责人是张北辰和周昆，参与人有张高玮；\r\n- 第十三章的负责人是周昆，参与人（按拼音字母排序）有蒋锦昊、李依凡、刘子康、孙文奇、王禹淏、徐澜玲、杨锦霞和郑博文。\r\n\r\n同时感谢其他参与本书编写、校对的同学，他们（按拼音字母排序）是：曹乾、曹展硕、陈杰、程伽雅琪、戴孙浩、邓欣、丁毅杰、冯雪扬、高泽峰、苟志斌、辜子惠、郭歌扬、何东楠、侯新铭、胡译文、李炳黔、李成远、李欣潼、刘恩泽、刘炯楠、刘子涵、罗文扬、梅朗、欧柯杉、彭涵、阮恺、苏炜航、孙一丁、汤奕如、王家鹏、王磊、王淑婷、姚峰、尹彦彬、詹玉梁、张景森、张良、朱天宇和朱余韬。\r\n\r\n## 反馈意见\r\n在准备中文书的过程中，我们广泛阅读了现有的经典论文、相关代码和教材，从中提炼出核心概念、主流算法与模型，并进行了系统性的组织与介绍。 我们对于每个章节的内容初稿都进行了多次修正，力求表达的清晰性与准确性。 然而，在书写过程中，我们深感自身能力与知识的局限性，尽管已经付出了极大的努力，但难免会有遗漏或不当之处。本书的初版仅是一个起点，我们计划在网上持续进行内容的更新和完善，并特别欢迎读者提出宝贵的批评与建议，也会同步在网站上对于提出宝贵建议的读者进行致谢。我们将编写此书的过程当做一个自身的学习过程，也希望能够通过本书与读者进行深入交流，向更多的行业同行学习。\r\n\r\n本书凝聚了“玉兰”项目团队的核心开发经验。为服务更广泛的开发者生态，“玉兰”项目在提供主流 PyTorch 实现的同时，也完成了对 PaddlePaddle 框架的同步支持（[PaddlePaddle版本](https:\u002F\u002Fgithub.com\u002FRUC-GSAI\u002FYuLan-Chat-Paddle)），确保了技术的通用性与自主性。本书的撰写与出版工作，荣幸地获得了北京市科技计划的立项支持，这既是对我们技术路线的肯定，也为本书内容的深度与质量提供了坚实保障。\r\n\r\n如果您有任何意见、评论以及建议（先确认最新版本中是否已经修正），请通过GitHub的[Issues](https:\u002F\u002Fgithub.com\u002FLLMBook-zh\u002FLLMBook-zh.github.io\u002Fissues)页面进行反馈，或通过邮件发送至作者邮箱***batmanfly at qq.com***，***lijunyi at ruc.edu.cn***，***francis_kun_zhou at ruc.edu.cn***，***steventianyitang at outlook.com***。\r\n\r\n为了方便阅读，这里提供之前的中文书电子版本： [下载链接1](https:\u002F\u002Fllmbook-zh.github.io\u002FLLMBook.pdf)，[下载链接2](http:\u002F\u002Faibox.ruc.edu.cn\u002Fzws\u002Findex.htm)，但由于后续修订和篇幅原因，大模型应用章节未纳入正式出版，一切内容以正式出版物为准。\r\n\r\n\r\n","《大语言模型》是一本由赵鑫、李军毅、周昆、唐天一和文继荣合著的中文书籍，旨在为具有深度学习基础的读者提供系统的大模型技术讲解。本书内容涵盖了从大模型的基本概念到预训练、微调、对齐等核心技术和方法，并结合了作者在研发大模型过程中的实践经验。通过清晰的章节组织与详细的案例分析，该书不仅适合学术研究者深入了解大语言模型的技术体系，也适用于工业界从业人员作为参考指南。此外，项目还提供了配套的教学课件以辅助相关课程教学及知识传播。",2,"2026-06-11 03:24:49","top_topic"]