lenniezeni 的主页

从“预测下一个词”入门，理解 LLM、Token、Prompt、上下文窗口、幻觉和模型能力边界

理解数据来源、清洗、去重、数据比例、数据污染、隐私版权和预训练，不讲复杂爬虫代码

用中文和英文拆词例子理解 token、vocabulary、token id 和上下文窗口

用简单例子理解 Transformer、Attention、Embedding、层和表示，不展开复杂公式

用口语理解训练、loss、gradient、parameter、checkpoint 和为什么训练要花时间

理解算力成本、GPU、memory、latency、throughput、batch，不要求懂硬件细节

理解 scaling law、parameter count、benchmark、performance 和大模型扩展的基本直觉

理解 evaluation、benchmark、hallucination、accuracy、safety 和为什么要用测试集

理解 alignment、fine-tuning、SFT、RLHF、preference 和 reward model

把前九章串成学习地图，理解 inference、deployment、agent、multimodal、open-source 和 model card