01-语言模型基础 · 语言模型基础
概率建模、词元化与向量表示的概念地基
Learning Path · 2026
大语言模型：从概率接龙到通用助手
一条主线走通 LLM 全景：语言如何被建模 → 模型如何被训练与对齐 → 能力边界在哪 → 如何被使用、评估与治理。以机制与原理为主，具体模型仅作示例并注明时效。
33知识点
7模块
10 小时+完整学习时长
13 节最小可用路径
总体进度
模块与知识点
02-预训练 · 预训练
训练目标、数据工程、Scaling Laws 与训练系统工程
03-架构与关键技术 · 架构与关键技术
自注意力、位置编码、归一化演进、长上下文与 MoE
04-后训练与对齐 · 后训练与对齐
从基座到助手：SFT、RLHF 与 DPO 三条路线总览
05-能力评估与局限 · 能力评估与局限
基准测试、涌现争议、幻觉、窗口边界与推理能力
06-应用与生态 · 应用与生态
解码策略、API、工具调用、结构化输出与 RAG 概览
07-治理安全与历史 · 治理安全与历史
安全对齐、开源许可、发展简史与争议辨析
领域边界
本站是 LLM 全景站：机制与原理为主，具体模型版本仅作示例并注明时效性（2026 年视角）。以下主题不在本库展开，各自有独立站点：
- 微调实操（LoRA、数据集制作、训练脚本）：见微调专题站，本库仅做 SFT/DPO 概览；
- 提示工程与上下文工程：见独立站，本库仅做 API 层面的概览；
- 多智能体系统：见独立站，本库仅提工具调用的单智能体基础；
- 推理部署优化（量化、vLLM 类引擎、服务化）：见独立站，本库仅涉及 KV 缓存等机制性内容。