这门课解决什么问题

大模型与多模态领域现在最不缺的就是论文，最缺的是判断力。每天刷屏的新研究里，哪些是真正改变技术走向的关键节点，哪些只是微调包装，很多在职工程师和转行研究者其实分不清。这门带读课解决的就是这个痛点：它不追求把所有热门文献都塞给你，而是挑出从 GPT 早期架构到指令对齐，再到多模态融合这条主线上的核心论文，带你逐篇拆解。重点不在翻译字面意思，而是讲清楚每篇的动机、它修正了前人的什么缺陷、实验设计为什么这么做。如果你正卡在“读了一堆却串不成体系”的阶段，这种筛选加拆解的方式比你自己漫无目的地刷 arXiv 要高效得多。

适合什么基础与学习顺序建议

需要明确，这不适合零基础入门。你得对 Transformer 结构、注意力机制有基本概念，最好写过一点 PyTorch 代码，否则带读里提到的对齐策略、损失函数设计会变成纯听天书。资料包按技术演进分了阶段，建议先从基础语言大模型那块看起，比如从早期生成式预训练到 InstructGPT 的三阶段训练模式。这几篇是理解后续多模态和复杂对齐的根。不要跳着看，大模型的技术脉络是强依赖的，前一篇的缺陷往往就是后一篇的切入点。看视频时同步把原论文打开，重点标注模型架构图和实验对比表。

学完能独立做什么与资料配合

跟完这批文献带读，你应该能独立完成两件事：一是拿到一篇新的大模型或多模态论文，能快速定位它的核心创新点，判断它属于哪个技术分支的延伸；二是能看懂主流开源模型的复现思路，知道哪些模块是必须精读的，哪些是工程适配。资料配合上，建议采用“视频带读加原论文加代码”的三遍法：第一遍看视频理清逻辑，第二遍自己对照原论文精读，第三遍去找对应的开源实现看关键代码段。不要只停留在听懂概念，大模型领域最终要落到工程转化上，能把论文里的训练策略和实际代码对应起来，才算真正突破了职业瓶颈。


在LLM与多模态技术飞速迭代的今天，科研与工业界从业者普遍面临“论文焦虑”：领域顶会论文井喷，却不知如何筛选真正有价值的核心文献；读懂论文字面意思，却拆解不出核心创新点与技术逻辑；掌握了零散技术点，却无法构建完整的技术脉络；想将论文思想落地，却卡在实验复现与工程化转化环节……

课程目录

*   01 第一阶段 OpenAIGoogle的基础语言大模型(11篇，总11篇)/

  *   01 第1课 从GPT1到GPT2、GPT3.mp4 (511.98 MB), 02:11:33

  *   02 第2课 理解ChatGPT三阶段训练模式的核心关键：InstructGPT.mp4 (378.14 MB), 01:14:04

  *   03 第5课 OpenAI的GPT4.mp4 (407.32 MB), 01:41:43

  *   05 第5课 OpenAI的GPT4.mp4 (407.32 MB), 01:41:43

*   02 第二阶段 LLM的关键技术：ICLCoTRLHF微调词嵌入位置编码加速与KG结合等(34篇，总45篇)/

  *   01 第6课 对于过去5年最具影响力的模型：Transformer，你必须必知必会.mp4 (303.30 MB), 01:45:47

  *   02 第6课之补充：关于Transformer的更多细节(多头注意力等).mp4 (383.60 MB), 01:41:37

  *   03 第10课 完整理解RLHF.mp4 (235.63 MB), 55:04

  *   04 第12课 RLHF的替代算法：直接偏好优化算法DPO.mp4 (311.59 MB), 01:31:48

  *   05 第13课 longlora与longqlora.mp4 (208.19 MB), 01:09:05

  *   06 第14课 高效参数微调：LoRA与P-Tuning.mp4 (203.56 MB), 52:44

  *   07 第17课 23年12月最新研究之Mamba：挑战Transformer长达六年的霸主地位.mp4 (318.28 MB), 01:53:56

  *   08 第17课之补充：24年11月重讲mamba——更细致、更通透.mp4 (356.36 MB), 01:51:53

*   03 第三阶段 Meta Mistral Google等公司发布的开源语言模型和各种微调(7篇，总52篇)/

  *   01 第21课之补充1：结合论文速览Meta最新发布的Llama3.mp4 (139.42 MB), 51:53

  *   02 第21课之补充2：速览Llama 3：从Llama 3的模型架构到如何把长度扩展到100万.mp4 (125.61 MB), 36:52

  *   03 第21课之补充3：速览Llama 3.1和Llama 3.2：涵盖语言、视觉的架构、原理.mp4 (140.95 MB), 33:38

  *   04 第23课 Mixtral 7B与24年大火的MOE代表Mixtral 8x7B.mp4 (171.70 MB), 59:39

  *   05 第24课 Google发布的gemma1与gemma2.mp4 (74.34 MB), 28:29

  *   06 第25课 deepseek v2论文解读(含MLA和MoE改进).mp4 (226.64 MB), 01:06:43

*   04 第四阶段 推理大模型：包括火爆全球的DeepSeek R1等/

  *   01 第27课 DeepSeek-R1 Incentivizing Reasoning Capability in LLMs via Reinfor.mp4 (303.10 MB), 01:38:13

*   05 第五阶段 具备多模态能力的大语言模型(11篇，总63篇)/

  *   01 第29课 微软BEIT系列：从BEiT到BEiT-2、BEiT-3.mp4 (195.82 MB), 01:44:12

*   06 第六阶段 AI绘画与多模态能力背后的核心技术(21篇，总84篇)/

  *   01 第32课 开启CV与多模态的新时代：DETR与ViT.mp4 (704.59 MB), 01:32:12

  *   02 第34课 理解AI绘画不可不知的VAE、扩散模型DDPM、LDM(SD奠基论文).mp4 (430.92 MB), 01:48:12

  *   03 第36课 OpenAI的AI绘画：从DALLE、DALLE 2、DALLE 3.mp4 (300.08 MB), 01:26:44

*   07 第七阶段 斯坦福开源的4大机器人：Mobile Aloha、UMI、Dexcap、HumanPlus(3篇，总87篇)/

  *   01 第41课 斯坦福机器人Mobile Aloha的系统解读.mp4 (993.64 MB), 02:02:41

  *   02 第42课 大模型机器人的爆发时刻：从RoboFlamingo、OK-Robot到CMU 18万机器人、Digit、FMB.mp4 (923.99 MB), 01:36:19

  *   03 第43课 斯坦福开源的最新人形机器人：HumanPlus.mp4 (178.31 MB), 59:31

*   08 第八阶段 大模型的典型应用与垂域版类ChatGPT、及其它(11篇，总98篇)/

  *   01 第46课 AI Agent智能体之必知必会：Google的ReAct论文解读.mp4 (151.55 MB), 44:38