「Foundations of Large Language Models」 📚，无论你是一名想继续深入学习大模型的 LLM Engineer，还是刚入门的大模型小白，这本书都可以作为你日常学习的基础书籍。

本书来自：东北大学自然语言处理实验室  Tong Xiao/肖桐 and Jingbo Zhu/朱靖波

本书旨在概述大型语言模型的基本概念并介绍相关技术。全文分为 Pre-trainning, Generative Models, Prompting, Alignment 四个大章节：

• 第 1 章：介绍预训练的基础知识。这是大型语言模型的核心基础，其中会讨论常见的预训练方法和模型架构。

• 第 2 章：介绍生成式模型，也就是我们通常所指的大型语言模型。在阐述构建这些模型的基本过程后，还将探讨如何扩展模型训练规模及处理长文本。

• 第 3 章：介绍大型语言模型的提示方法。将讨论各种提示策略，以及诸如链式推理和自动提示设计等更高级的方法。

• 第 4 章：介绍大型语言模型的对齐方法。本章的重点是基于人类反馈的指令微调与对齐技术。

完全符合大模型的 lifecycle，可以帮助大家建立结构化的知识架构，避免知识碎片化， 正如书名所示，本书更关注大型语言模型的基础方面，而非全面覆盖所有前沿方法。

如果读者具备一定的机器学习和自然语言处理背景，并对诸如 Transformer 等神经网络有一定了解，那么阅读本书将非常轻松。然而，即使没有相关基础知识也无妨，因为作者力求使每一章的内容尽可能自成体系，确保读者不会因阅读难度过大而感到负担。

整个的排版非常劲道，内容专业度自不必说，更为难得的是其配图全部是 TikZ 绘制而成，这是你如果做书稿排版非常不可多得的排版样例，不管你是要出版英文书籍，博士论文等，都是非常棒的参考素材。Happy LaTeXing！~

获取方式

我们该怎样系统的去转行学习大模型 ？

很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近100余次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来： 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​

一、大模型经典书籍（免费分享）

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套大模型报告（免费分享）

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、大模型系列视频教程（免费分享）

四、2025最新大模型学习路线（免费分享）

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调。

L5阶段：专题集丨特训篇 【录播课】

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取

​