这本书由浙江大学DAILY实验室毛玉仁、高云君教授等领衔撰写，是一本聚焦于大语言模型知识传授的专业书籍。在Github上星标已经超过11K！
不管你是想要入门学习大模型，以后从事大模型方面的工作，这本书都能够帮到你！
这本书解析了大模型架构的发展阶段，详述Encoder - only（如BERT，专注输入文本特征提取 ）、Encoder - Decoder（如T5、BART，适配序列到序列任务 ）、Decoder-only（如GPT系列，借 “自回归” 生成文本 ）三类主流架构，剖析其网络结构、训练方法创新点，也提及非Transformer架构模型，展现领域研究多元生态。
我把这本书的PDF版本打包好了，大家需要的话直接扫码添加我的助手让她无偿及时分享给大家！
这本书从语言模型发展脉络切入，梳理其从规则模型、统计模型到神经网络模型的迭代。比如：
- 基于统计方法的n - grams模型，借由统计词序列频率预测概率，却受 “零概率” 问题掣肘；
- 基于RNN的语言模型可依托历史规律预测未来，然梯度消失等缺陷明显；
- 基于Transformer的模型，凭借注意力机制高效处理序列数据，成为当下主流。
- 同时，还介绍随机采样方法（Top - K、Top - P 采样及Temperature机制 ）增加生成多样性，以及困惑度等评测指标，助力读者理解模型性能优劣。
还涵盖Prompt工程，教读者编写有效指令，借上下文学习、思维链等技术，让模型适配下游任务，规避传统微调高成本；参数高效微调，聚焦垂直领域应用，以低计算代价优化模型；模型编辑技术，精准修正模型特定知识，解决知识更新难题；检索增强生成（RAG），整合外部知识库，提升生成文本的准确性与丰富性，构建 “模型 + 外部知识” 协同模式。
下面是这本书的部分内容展示：
