1-大模型（LLMs）基礎(chǔ)面.pdf
2-Layer normalization 篇.pdf
3-LLMs 激活函數(shù)篇.pdf
4-Attention 升級面.pdf
5-transformers 操作篇.pdf
6-LLMs 損失函數(shù)篇.pdf
7-相似度函數(shù)篇.pdf
8-大模型（LLMs）進階面.pdf
9-大模型（LLMs）微調(diào)面.pdf
10-LLMs 訓練經(jīng)驗帖.pdf
11-大模型（LLMs）langchain 面.pdf
12-多輪對話中讓AI保持長期記憶的8種優(yōu)化方式篇.pdf
13-基于langchain RAG問答應(yīng)用實戰(zhàn).pdf
14-基于LLM+向量庫的文檔對話 經(jīng)驗面.pdf
15-大模型 RAG 經(jīng)驗面.pdf
16-LLM文檔對話 —— pdf解析關(guān)鍵問題.pdf
17-大模型（LLMs）RAG 版面分析——表格識別方法篇.pdf
18-大模型（LLMs）RAG 版面分析——文本分塊面.pdf
19-大模型外掛知識庫優(yōu)化——如何利用大模型輔助召回？.pdf
20-大模型外掛知識庫優(yōu)化——負樣本樣本挖掘篇.pdf
21-RAG（Retrieval-Augmented Generation）評測面.pdf
22-檢索增強生成(RAG) 優(yōu)化策略篇.pdf
23-大模型（LLMs）RAG —— 關(guān)鍵痛點及對應(yīng)解決方案.pdf
24-大模型（LLMs）RAG 優(yōu)化策略 —— RAG-Fusion篇.pdf
25-Graph RAG 面 — 一種 基于知識圖譜的大模型檢索增強實現(xiàn)策略.pdf
26-大模型（LLMs）參數(shù)高效微調(diào)(PEFT) 面.pdf
27-適配器微調(diào)（Adapter-tuning）篇.pdf
28-提示學習（Prompting）篇.pdf
29-LoRA 系列篇.pdf
30-如何使用 PEFT庫 中 LoRA？.pdf
31-大模型（LLMs）推理面.pdf
32-大模型（LLMs）增量預(yù)訓練篇.pdf
33-增量預(yù)訓練（Pretrain）樣本拼接篇.pdf
34-基于lora的llama2二次預(yù)訓練.pdf
35-大模型（LLMs）評測面.pdf
36-大模型（LLMs）強化學習面.pdf
37-大模型（LLMs）強化學習——RLHF及其變種面.pdf
38-大模型（LLMs）強化學習—— PPO 面.pdf
39-強化學習在自然語言處理下的應(yīng)用篇.pdf
40-大模型（LLMs）訓練集面.pdf
41-大模型（LLMs）LLM生成SFT數(shù)據(jù)方法面.pdf
42-大模型（LLMs）顯存問題面.pdf
43-顯存優(yōu)化策略篇.pdf
一本書讀懂AIGC：ChatGPT、AI繪畫、智能文明與生產(chǎn)力變革_2023.pdf
從零開始大模型開發(fā)與微調(diào)基于PyTorch與ChatGLM.pdf
大模型應(yīng)用開發(fā)極簡入門：基于 GPT-4 和 ChatGPT_2024.pdf
大模型落地應(yīng)用案例集.pdf
大規(guī)模語言模型：從理論到實踐.pdf