大规模语言模型

讲个概念都讲不明白，列一堆论文让我们去看吗？06-01

很不错的大模型入门书，很全面，推荐入手05-29

回旋镖是线代和Python，只能囫囵吞枣看个大概，但也能清楚大模型到底从整体框架上是怎么回事，配合观看 Andrej Karpathy 的视频 Intro to Large Language Models12-27

还不错，可惜没有代码下载，想调代码基本只能对着书抄，代码也能看出来就是复制的开源项目。分布式训练的部分比较有收获。强化学习的部分过于教条，没有讲清楚。剩下的有监督学习，transforms原理，应用，评估，开源数据集介绍意义不大。03-19

非常好的入门书，给了我对大模型的整体架构认知，非常有帮助12-09

打5分是因为把我对大模型缺失的信息补全了。比如常用的数据集，数据清理方法，还有训练中的各种已知技巧。脱离算法领域已经好几年，看看挺有意思，估计以后最多也就是做做微调，底层模型不是普通组织可以玩的了。最近用chatgpt和kimi挺多，非常方便，像我在20多年前没用搜索引擎之前对于知识引擎的一个期待。对的，要按照2018年的标准，2024年大模型无疑是智能的，但按照一个不懂技术的人对智能的期待，大模型也只是刚刚入门，勉强可用，后面路还很长。另外，我对降世派和救世派都不感冒，都是些什么鬼？菜鸡互啄；还有些把智能和生命混淆的，脑子进水了。人类发展到今天，做个稍微好点的研究都要到博士，合理吗？想想诸葛28岁拜相，今后的少年就该站在人类总智能肩膀上，年方二八就锋芒毕露。03-28

前面几章还行，后面又开始堆论文06-16

实践的同时，补足充分的理论是必要的！相信AI。06-12

需要计科专业背景，外加一些机器学习和深度学习经验才比较好上手。背景知识部分内容很丰盛，不过实战的部分跟理论搭不上，特别是分布式的部分，连预设情境、模拟环境说明之类的都没有，就堆了一些零散的代码，注释和说明也不充分（还有校对错误），有点鸡肋。01-03

复旦的课，朴实且全面。学的pre版，这个节点的所有LLMs书都太有时间属性了。04-18

偏算法基础与理论，然后介绍了大模型的算法架构。 还算不错的一本书介绍算法理论同时辅助代码实现03-09

作为 introduction 还是很不错的，可以作为学习的起点02-24

看完了，嗯，觉得他这本书，虽然 一些地方比较简略，但是又 很多地方都触及了，而且是明确的触及，有点是 一个 繁盛的 没有叶子的大树 嗯，挺好的，各方面都讲到了，结合 chatgpt 看 很好吃 嗯。01-07

总体上是比较全面的LLM技术介绍，存在一些typo，校读不够充分12-31

最新介绍大模型的书，有不少行业总结，代码示例也不少。但不太能看懂，特别是从微调以后的章节。后续看看其他的材料再来读。02-15

还不错的书，覆盖的范围比较全面，不过内容比较精简不太适合初学者02-08