网盘截图：
课程目录：
├── 阶段9：产品级LLM推理优化方法论
│ ├── 学习资料.doc
├── 阶段2：大模型技术总览
│ ├── 【手撕】图解系列之Transformer
│ │ ├── 18 Transformer 的动态流程
│ │ │ ├── 1.18 Transformer 的动态流程(Av770639974,P1).mp4
│ │ ├── 08 ELMo模型（双向LSTM模型解决词向量多义问题）
│ │ │ ├── 1.08 ELMo模型（双向LSTM模型解决词向量多义问题）(Av385024424,P1).mp4
│ │ ├── 16 Transformer的编码器（Encodes）——我在做更优秀的词向量
│ │ │ ├── 1.16 Transformer的编码器（Encodes）——我在做更优秀的词向(Av428050375,P1).mp4
│ │ ├── 14 Transformer之位置编码Positional Encoding （为什么 Self-Attention 需要位置编码）
│ │ │ ├── 1.14 Transformer之位置编码Positional Encoding(Av215491720,P1).mp4
│ │ ├── 20 Transformer 的输出和输入是什么
│ │ │ ├── 1.20 Transformer 的输出和输入是什么(Av557972960,P1).mp4
│ │ ├── 03 什么是预训练（Transformer 前奏）
│ │ │ ├── 1.03 什么是预训练（Transformer 前奏）_batch(Av597476503,P1).mp4
│ │ ├── 19 Transformer 解码器的两个为什么（为什么做掩码、为什么用编码器-解码器注意力）
│ │ │ ├── 1.19 Transformer 解码器的两个为什么（为什么做掩码、为什么用编码(Av300673024,P1).mp4
│ │ ├── 09 Transformer 之什么是注意力机制（Attention）
│ │ │ ├── 1.09 Transformer 之什么是注意力机制（Attention）(Av940206553,P1).mp4
│ │ ├── 11 Self-Attention 相比较 RNN 和 LSTM 的优缺点
│ │ │ ├── 1.12 Self-Attention 相比较 RNN 和 LSTM 的优缺点(Av642878016,P1).mp4
│ │ ├── 17 Transformer 的解码器（Decoders）——我要生成一个又一个单词
│ │ │ ├── 1.17 Transformer 的解码器（Decoders）——我要生成一个又(Av770666012,P1).mp4
│ │ ├── 06 Word2Vec模型（第一个专门做词向量的模型，CBOW和Skip-gram）
│ │ │ ├── 1.06 Word2Vec模型（第一个专门做词向量的模型，CBOW和Skip-g(Av427408361,P1).mp4
│ │ ├── 07 预训练语言模型的下游任务改造简介（如何使用词向量）
│ │ │ ├── 1.07 预训练语言模型的下游任务改造简介（如何使用词向量）_batch(Av469997099,P1).mp4
│ │ ├── 1401 位置编码公式详细理解补充
│ │ │ ├── 1.1401 位置编码公式详细理解补充(Av813302743,P1).mp4
│ │ ├── 12 Transformer的掩码自注意力机制，Masked Self-Attention（掩码自注意力机制）
│ │ │ ├── 1.12 Transformer的掩码自注意力机制，Masked Self-At(Av897934079,P1).mp4
│ │ ├── 1001 Attention 和 Self-Attention 的区别（还不能区分我就真的无能为力了）
│ │ │ ├── 1.1001 Attention 和 Self-Attention 的区别（还不(Av343699395,P1).mp4
│ │ ├── 10 Transformer 之 Self-Attention（自注意力机制）
│ │ │ ├── 1.10 Transformer 之 Self-Attention（自注意力机制(Av982926827,P1).mp4
│ │ ├── 04 统计语言模型（n元语言模型）
│ │ │ ├── 1.04 统计语言模型（n元语言模型）_batch(Av812429669,P1).mp4
│ │ ├── 05 神经网络语言模型（独热编码+词向量 Word Embedding 的起源）
│ │ │ ├── 1.05 神经网络语言模型（独热编码+词向量的起源）_x264(Av639898120,P1).mp4
│ │ ├── 15 Transformer 框架概述
│ │ │ ├── 1.15 Transformer 框架概述(Av685604214,P1).mp4
│ │ ├── 13 Transformer的多头注意力，Multi-Head Self-Attention（从空间角度解释为什么做多头）
│ │ │ ├── 1.13 Transformer的多头注意力，Multi-Head Self-A(Av897974856,P1).mp4
│ │ ├── Transformer和BERT看不懂来这里，告诉你他们的前世今生，必能懂
│ │ │ ├── 1.Transformer和BERT看不懂来这里，告诉你他们的前世今生，必能懂(Av554805766,P1).mp4
│ │ ├── 怎么学.doc
│ ├── 【原理】大模型原理
│ │ ├── 新建文件夹
│ │ ├── LLM-TAP.pdf
│ │ ├── 怎么学.doc
│ ├── 【脉络】ChatGPT的前世今生
│ │ ├── 【精校珍藏版】大牛Andrej Karpathy的stanford深度学习课程：深入理解Transformer，从零打造最简版GPT
│ │ │ ├── 1.【精校珍藏版】大牛Andrej Karpathy的stanford深度学习课(Av699069341,P1).mp4
│ │ ├── 【珍藏】从头开始用代码构建GPT - 大神Andrej Karpathy 的“神经网络从Zero到Hero 系列”之七
│ │ │ ├── 1.【珍藏】从头开始用代码构建GPT - 大神Andrej Karpathy 的(Av316746341,P1).mp4
│ │ ├── 【精校】“让我们构建GPT Tokenizer”AI大神Andrej Karpathy最新大模型技术讲座 【中英】
│ │ │ ├── 1.【精校】“让我们构建GPT Tokenizer”AI大神Andrej Kar(Av1800818494,P1).mp4
│ │ ├── 3.InstructGPT 论文精读【论文精读·48】
│ │ │ ├── 1.InstructGPT 论文精读【论文精读·48】(Av391906274,P1).mp4
│ │ ├── 2.Andrej Karpathy大神亲授：大语言模型入门【中英】
│ │ │ ├── 1.Andrej Karpathy大神亲授：大语言模型入门【中英】(Av451275641,P1).mp4
│ │ ├── 【精校版】Andrej Karpathy微软Build大会精彩演讲： GPT状态和原理 - 解密OpenAI模型训练
│ │ │ ├── 1.【精校版】Andrej Karpathy微软Build大会精彩演讲： GPT(Av954084772,P1).mp4
│ │ ├── 反向传播和神经网络训练 · 大神Andrej Karpathy 的“神经网络从Zero到Hero 系列”之一
│ │ │ ├── 1.反向传播和神经网络训练 · 大神Andrej Karpathy 的“神经网(Av786864921,P1).mp4
│ │ ├── 1【脉络】ChatGPT的前世今生
│ │ │ ├── ChatGPT 是怎么炼成的 - GPT社会化的过程 (李宏毅)
│ │ │ │ ├── 2.来自猎人暗黑大陆的模型GPT-3(Av605964038,P2).mp4
│ │ │ │ ├── 5.WebGPT，会搜寻证据的GPT-3（台大）(Av605964038,P5).mp4
│ │ │ │ ├── 1.Chat GPT (可能)是怎么炼成的 - GPT社会化的过程 (李宏毅)(Av605964038,P1).mp4
│ │ │ │ ├── 4.ChatGPT，惊艳众人的会话试AI（台大）(Av605964038,P4).mp4
│ │ │ │ ├── 3.InstructGPT，从人类回馈中学习，ChatGPT的前身（台大）(Av605964038,P3).mp4
│ │ ├── LLM-TAP.pdf
│ │ ├── 怎么学.doc
├── 面试题目
│ ├── 面试宝典
│ │ ├── 26多模态常见面试篇
│ │ │ ├── 多模态常见面试篇.pdf
│ │ ├── 08大模型（LLMs）增量预训练篇
│ │ │ ├── 2大模型（LLMs）推理加速篇.pdf
│ │ │ ├── 1大模型（LLMs）增量预训练篇.pdf
│ │ │ ├── 4基于lora的llama2二次预训练.pdf
│ │ │ ├── 3增量预训练（Pretrain）样本拼接篇.pdf
│ │ ├── 07大模型（LLMs）推理面
│ │ │ ├── 大模型（LLMs）推理面.pdf
│ │ ├── 11大模型（LLMs）训练集面
│ │ │ ├── 1大模型（LLMs）训练集面.pdf
│ │ │ ├── 2大模型（LLMs）LLM生成SFT数据方法面.pdf
│ │ ├── 01大模型（LLMs）基础面
│ │ │ ├── 03LLMs 激活函数篇.pdf
│ │ │ ├── 04Attention 升级面.pdf
│ │ │ ├── 02Layer normalization 篇.pdf
│ │ │ ├── 06LLMs 损失函数篇.pdf
│ │ │ ├── 01大模型（LLMs）基础面.pdf
│ │ │ ├── 07相似度函数篇.pdf
│ │ │ ├── 05transformers 操作篇.pdf
│ │ ├── 30大模型——角色扮演大模型篇
│ │ │ ├── 大模型——角色扮演大模型篇.pdf
│ │ ├── 18大模型幻觉（LLM Hallucination）面
│ │ │ ├── 1大模型幻觉（LLM Hallucination）面.pdf
│ │ │ ├── 2大模型的幻觉问题篇.pdf
│ │ │ ├── 3如何缓解大模型幻觉？.pdf
│ │ ├── 21LLMs 测试集 中 数据泄露 问题篇
│ │ │ ├── LLMs 测试集 中 数据泄露 问题篇.pdf
│ │ ├── 22MOE（Mixture-of-Experts）篇
│ │ │ ├── 2MOE大模型对比篇.pdf
│ │ │ ├── 1MOE（Mixture-of-Experts）篇.pdf
│ │ ├── 14大模型（LLMs）agent 面
│ │ │ ├── 1大模型（LLMs）agent 面.pdf
│ │ │ ├── 2AI Agent 面 —— 函数调用 Function Call 篇.pdf
│ │ ├── 15LLMs 位置编码篇
│ │ │ ├── LLMs 位置编码篇.pdf
│ │ ├── 06大模型（LLMs）参数高效微调(PEFT) 面
│ │ │ ├── 4LoRA 系列常见面试题篇.pdf
│ │ │ ├── 5如何使用 PEFT库 中 LoRA？.pdf
│ │ │ ├── 3提示学习（Prompting）篇.pdf
│ │ │ ├── 2适配器微调（Adapter-tuning）篇.pdf
│ │ │ ├── 6大模型 SFT 方式对比篇.pdf
│ │ │ ├── 1大模型（LLMs）参数高效微调(PEFT) 面.pdf
│ │ ├── 23大模型蒸馏篇
│ │ │ ├── 3自定义 CUDA 函数的轻量级包装器 —— bitsandbytes篇.pdf
│ │ │ ├── 2LLMs 浮点数篇.pdf
│ │ │ ├── 1大模型蒸馏篇.pdf
│ │ ├── 03大模型（LLMs）微调面
│ │ │ ├── 2大模型 SFT Trick 篇.pdf
│ │ │ ├── 3LLMs 训练经验帖.pdf
│ │ │ ├── 1大模型（LLMs）微调面.pdf
│ │ ├── 12大模型（LLMs）显存问题面
│ │ │ ├── 1大模型（LLMs）显存问题面.pdf
│ │ │ ├── 2显存优化策略篇.pdf
│ │ ├── 29大模型推理加速——KV Cache篇
│ │ │ ├── 大模型推理加速——KV Cache篇.pdf
│ │ ├── 27NLP常见面试篇
│ │ │ ├── 4命名实体识别常见面试篇.pdf
│ │ │ ├── 1NLP Trick 篇.pdf
│ │ │ ├── 3文本摘要常见面试篇.pdf
│ │ │ ├── 5向量检索常见面试篇.pdf
│ │ │ ├── 2文本分类常见面试篇.pdf
│ │ ├── 17大模型(LLM)部署框架对比篇
│ │ │ ├── 5大模型推理加速工具 —— vLLM.pdf
│ │ │ ├── 2大模型（LLMs）加速篇.pdf
│ │ │ ├── 4LLM（大语言模型）部署加速方法——PagedAttention篇.pdf
│ │ │ ├── 6LLM（大语言模型）部署加速方法——Faster Transformer篇.pdf
│ │ │ ├── 8LLM推理技术之StreamingLLM：如何拥有无限长生成能力.pdf
│ │ │ ├── 7纯Python超轻量高性能LLM推理框架 —— LightLLM.pdf
│ │ │ ├── 3LLMs 推理性能面.pdf
│ │ │ ├── 9SwiftInfer —— 大模型无限流式输入推理飙升46%，打破多轮对话长度限制.pdf
│ │ │ ├── 1大模型(LLM)部署框架对比篇.pdf
│ │ ├── 09大模型（LLMs）评测面
│ │ │ ├── 大模型（LLMs）评测面.pdf
│ │ ├── 20思维链 Chain-of-Thought（COT）篇
│ │ │ ├── 1思维链 Chain-of-Thought（COT）篇.pdf
│ │ │ ├── 2思维链 Chain-of-Thought（COT）变体篇.pdf
│ │ │ ├── 3小样本提示学习篇.pdf
│ │ ├── 25Token及模型参数准备篇
│ │ │ ├── Token及模型参数准备篇.pdf
│ │ ├── 16LLMs Tokenizer 常见面试篇
│ │ │ ├── 4怎么让英文大语言模型支持中文？（三） —— 对预训练模型进行指令微调.pdf
│ │ │ ├── 2怎么让英文大语言模型支持中文？（一） —— 构建中文tokenization.pdf
│ │ │ ├── 3怎么让英文大语言模型支持中文？（二） —— 继续预训练篇.pdf
│ │ │ ├── 1LLMs Tokenizer 常见面试篇.pdf
│ │ ├── 19LLMs 对比篇
│ │ │ ├── 1LLMs 对比篇.pdf
│ │ │ ├── 5GPT 经验篇.pdf
│ │ │ ├── 2大模型-attention mask 篇.pdf
│ │ │ ├── 3百川智能baichuan7B、13B、53B、baichuan2 总结篇.pdf
│ │ │ ├── 4LLaMA 常见面试题篇.pdf
│ │ ├── 10大模型（LLMs）强化学习面
│ │ │ ├── 2大模型（LLMs）强化学习——RLHF及其变种面.pdf
│ │ │ ├── 5强化学习在自然语言处理下的应用篇.pdf
│ │ │ ├── 4RLHF平替算法DPO篇.pdf
│ │ │ ├── 1大模型（LLMs）强化学习面.pdf
│ │ │ ├── 3大模型（LLMs）强化学习—— PPO 面.pdf
│ │ ├── 24大模型（LLMs）软硬件配置面
│ │ │ ├── 大模型（LLMs）软硬件配置面.pdf
│ │ ├── 04大模型（LLMs）langchain 面
│ │ │ ├── 2多轮对话中让AI保持长期记忆的8种优化方式篇.pdf
│ │ │ ├── 3基于langchain RAG问答应用实战.pdf
│ │ │ ├── 1大模型（LLMs）langchain 面.pdf
│ │ ├── 28其他常见面试篇
│ │ │ ├── LLMs 其他 Trick.pdf
│ │ ├── 13大模型（LLMs）分布式训练面
│ │ │ ├── 6图解分布式训练（五） —— AMP混合精度训练 详细解析.pdf
│ │ │ ├── 1大模型（LLMs）分布式训练面.pdf
│ │ │ ├── 2图解分布式训练（一） —— 流水线并行（Pipeline Parallelism）.pdf
│ │ │ ├── 9图解分布式训练（八）—— ZeRO 学习.pdf
│ │ │ ├── 7图解分布式训练（六）—— Pytorch的 DeepSpeed 详细解析.pdf
│ │ │ ├── 3图解分布式训练（二） —— nn.DataParallel篇.pdf
│ │ │ ├── 10大模型分布式训练故障恢复篇.pdf
│ │ │ ├── 8图解分布式训练（七）—— accelerate 分布式训练 详细解析.pdf
│ │ │ ├── 11pytorch 分布式计算 坑_bug 梳理篇.pdf
│ │ │ ├── 4图解分布式训练（三） —— nn.parallel.DistributedDataParallel.pdf
│ │ │ ├── 5图解分布式训练（四） —— torch.multiprocessing 详细解析.pdf
│ │ ├── 05大模型 RAG 经验面
│ │ │ ├── 2LLM文档对话 —— pdf解析关键问题.pdf
│ │ │ ├── 9大模型（LLMs）RAG —— 关键痛点及对应解决方案.pdf
│ │ │ ├── 6大模型外挂知识库优化——负样本样本挖掘篇.pdf
│ │ │ ├── 3大模型（LLMs）RAG 版面分析——表格识别方法篇.pdf
│ │ │ ├── 8检索增强生成(RAG) 优化策略篇.pdf
│ │ │ ├── 4大模型（LLMs）RAG 版面分析——文本分块面.pdf
│ │ │ ├── 10大模型（LLMs）RAG 优化策略 —— RAG-Fusion篇.pdf
│ │ │ ├── 11Graph RAG 面 — 一种 基于知识图谱的大模型检索增强实现策略.pdf
│ │ │ ├── 7RAG（Retrieval-Augmented Generation）评测面.pdf
│ │ │ ├── 1大模型 RAG 经验面.pdf
│ │ │ ├── 5大模型外挂知识库优化——如何利用大模型辅助????.pdf
?? ?? ?????? 02??????LLMs????????
?? ?? ?? ?????? ??????LLMs????????.pdf
?? ?? ?????? LLMs ??.pdf
?? ?????? ?????????-???4.html
?? ?????? ?????????-???2.html
?? ?????? ?????????-???1.html
?? ?????? ?????????-???3.html
?????? ???1????????????????????
?? ?????? 2.???????????????
?? ?? ?????? ???
?? ?? ?? ?????? 63.63. 63. 11. 7.10 ???????Dropout??(Av836329979,P63).mp4
?? ?? ?? ?????? 18.18. 18. 18. 2.9 ???????????-???????(Av836329979,P18).mp4
?? ?? ?? ?????? 31.31. 31. 31. 4.2 ??????(Av836329979,P31).mp4
?? ?? ?? ?????? 16.16. 16. 16. 2.7 ????????(Av836329979,P16).mp4
?? ?? ?? ?????? 54.54. 54. 2. 7.1 ??????????????(Av836329979,P54).mp4
?? ?? ?? ?????? 5.5. 5. 5. 1.4 ?????(Av836329979,P5).mp4
?? ?? ?? ?????? 74.74. 74. 22. 8.7 ????????????(Av836329979,P74).mp4
?? ?? ?? ?????? 40.40. 40. 40. 5.4 ????????????(Av836329979,P40).mp4
?? ?? ?? ?????? 36.36. 36. 36. 5 ??????????(Av836329979,P36).mp4
?? ?? ?? ?????? 90.3-?????????-???????????????????(Av836329979,P90).mp4
?? ?? ?? ?????? 24.24. 24. 24. 3.4 Logistic???(Av836329979,P24).mp4
?? ?? ?? ?????? 53.53. 53. 1. 7 ?????????????(Av836329979,P53).mp4
?? ?? ?? ?????? 17.17. 17. 17. 2.8 ?????????????(Av836329979,P17).mp4
?? ?? ?? ?????? 27.27. 27. 27. 3.7 ?????????(Av836329979,P27).mp4
?? ?? ?? ?????? 29.29. 29. 29. 4 ?????????(Av836329979,P29).mp4
?? ?? ?? ?????? 58.58. 58. 6. 7.5 ?????????(Av836329979,P58).mp4
?? ?? ?? ?????? 77.77. 77. 25. 9 ?????(Av836329979,P77).mp4
?? ?? ?? ?????? 92.?????????-?????????-cifar????????1??(Av836329979,P92).mp4
?? ?? ?? ?????? 28.28. 28. 28. 3.8 ??????????????(Av836329979,P28).mp4
?? ?? ?? ?????? 51.51. 51. 51. 6.8 ??????????(Av836329979,P51).mp4
?? ?? ?? ?????? 86.86. 86. 34. 9.9 ??????????(Av836329979,P86).mp4
?? ?? ?? ?????? 84.84. 84. 32. 9.7 ???????(Av836329979,P84).mp4
?? ?? ?? ?????? 26.26. 26. 26. 3.6 ?????(Av836329979,P26).mp4
?? ?? ?? ?????? 50.50. 50. 50. 6.7 ????????????(Av836329979,P50).mp4
?? ?? ?? ?????? 91.4-????????-??????????????(Av836329979,P91).mp4
?? ?? ?? ?????? 23.23. 23. 23. 3.3 ??????????????(Av836329979,P23).mp4
?? ?? ?? ?????? 67.67. 67. 15. 8 ?????????????????(Av836329979,P67).mp4
?? ?? ?? ?????? 33.33. 33. 33. 4.4 ???????(Av836329979,P33).mp4
?? ?? ?? ?????? 85.85. 85. 33. 9.8 ?????(Av836329979,P85).mp4
?? ?? ?? ?????? 30.30. 30. 30. 4.1 ???(Av836329979,P30).mp4
?? ?? ?? ?????? 41.41. 41. 41. 5.5 ????????????(Av836329979,P41).mp4
?? ?? ?? ?????? 52.52. 52. 52. 6.9 ????????(Av836329979,P52).mp4
?? ?? ?? ?????? 8.8. 8. 8. 1.7 ?????????(Av836329979,P8).mp4
?? ?? ?? ?????? 3.3. 3. 3. 1.2 ??????????????????(Av836329979,P3).mp4
?? ?? ?? ?????? 14.14. 14. 14. 2.5 ??????????(Av836329979,P14).mp4
?? ?? ?? ?????? 2.2. 2. 2. 1.1 ???????(Av836329979,P2).mp4
?? ?? ?? ?????? 13.13. 13. 13. 2.4 ???????????(Av836329979,P13).mp4
?? ?? ?? ?????? 47.47. 47. 47. 6.4 ??????????????????(Av836329979,P47).mp4
?? ?? ?? ?????? 15.15. 15. 15. 2.6 ??????(Av836329979,P15).mp4
?? ?? ?? ?????? 55.55. 55. 3. 7.2 ????????(Av836329979,P55).mp4
?? ?? ?? ?????? 38.38. 38. 38. 5.2 ??????????(Av836329979,P38).mp4
?? ?? ?? ?????? 7.7. 7. 7. 1.6 ??????(Av836329979,P7).mp4
?? ?? ?? ?????? 80.80. 80. 28. 9.3 ???????(Av836329979,P80).mp4
?? ?? ?? ?????? 71.71. 71. 19. 8.4 ??????????(Av836329979,P71).mp4
?? ?? ?? ?????? 73.73. 73. 21. 8.6 ??????(Av836329979,P73).mp4
?? ?? ?? ?????? 60.60. 60. 8. 7.7 ????Z??(Av836329979,P60).mp4
?? ?? ?? ?????? 35.35. 35. 35. 4.6 ???????(Av836329979,P35).mp4
?? ?? ?? ?????? 75.75. 75. 23. 8.8 ???????????????????(Av836329979,P75).mp4
?? ?? ?? ?????? 64.64. 64. 12. 7.11 ?1???2????(Av836329979,P64).mp4
?? ?? ?? ?????? 37.37. 37. 37. 5.1 ????(Av836329979,P37).mp4
?? ?? ?? ?????? 10.10. 10. 10. 2.1 ???????????????????(Av836329979,P10).mp4
?? ?? ?? ?????? 70.70. 70. 18. 8.3 ?????????????(Av836329979,P70).mp4
?? ?? ?? ?????? 69.69. 69. 17. 8.2 ??????????????????????(Av836329979,P69).mp4
?? ?? ?? ?????? 65.65. 65. 13. 7.12 ???????(Av836329979,P65).mp4
?? ?? ?? ?????? 1.1.??????????(Av836329979,P1).mp4
?? ?? ?? ?????? 34.34. 34. 34. 4.5 ?????????????(Av836329979,P34).mp4
?? ?? ?? ?????? 95.3-????????(Av836329979,P95).mp4
?? ?? ?? ?????? 93.?????????-?????????-cifar????????2??(Av836329979,P93).mp4
?? ?? ?? ?????? 98.2-???????????(Av836329979,P98).mp4
?? ?? ?? ?????? 97.?????1-???????(Av836329979,P97).mp4
?? ?? ?? ?????? 42.42. 42. 42. 5.6 ???????????(Av836329979,P42).mp4
?? ?? ?? ?????? 19.19. 19. 19. 2.10 ????????(Av836329979,P19).mp4
?? ?? ?? ?????? 48.48. 48. 48. 6.5 ??????????????????(Av836329979,P48).mp4
?? ?? ?? ?????? 61.61. 61. 9. 7.8 ?????????(Av836329979,P61).mp4
?? ?? ?? ?????? 22.22. 22. 22. 3.2 ??????????(Av836329979,P22).mp4
?? ?? ?? ?????? 21.21. 21. 21. 3.1 ???????????(Av836329979,P21).mp4
?? ?? ?? ?????? 57.57. 57. 5. 7.4 ?????????(Av836329979,P57).mp4
?? ?? ?? ?????? 62.62. 62. 10. 7.9 ????????(Av836329979,P62).mp4
?? ?? ?? ?????? 83.83. 83. 31. 9.6 ????????????(Av836329979,P83).mp4
?? ?? ?? ?????? 25.25. 25. 25. 3.5 Softmax???(Av836329979,P25).mp4
?? ?? ?? ?????? 72.72. 72. 20. 8.5 Transformer(Av836329979,P72).mp4
?? ?? ?? ?????? 6.6. 6. 6. 1.5 ??????????(Av836329979,P6).mp4
?? ?? ?? ?????? 32.32. 32. 32. 4.3 ?????????(Av836329979,P32).mp4
?? ?? ?? ?????? 46.46. 46. 46. 6.3 ??????????(Av836329979,P46).mp4
?? ?? ?? ?????? 79.79. 79. 27. 9.2 K???????(Av836329979,P79).mp4
?? ?? ?? ?????? 87.88. 88. 36. 9.11 ?????(Av836329979,P87).mp4
?? ?? ?? ?????? 44.44. 44. 44. 6.1 ???????????????????(Av836329979,P44).mp4
?? ?? ?? ?????? 76.76. 76. 24. 8.9 ???(Av836329979,P76).mp4
?? ?? ?? ?????? 78.78. 78. 26. 9.1 ????(Av836329979,P78).mp4
?? ?? ?? ?????? 56.56. 56. 4. 7.3 ???????(Av836329979,P56).mp4
?? ?? ?? ?????? 96.4-softmax??????(Av836329979,P96).mp4
?? ?? ?? ?????? 4.4. 4. 4. 1.3 ?????(Av836329979,P4).mp4
?? ?? ?? ?????? 12.12. 12. 12. 2.3 ??????????(Av836329979,P12).mp4
?? ?? ?? ?????? 66.66. 66. 14. 7.13 ????(Av836329979,P66).mp4
?? ?? ?? ?????? 11.11. 11. 11. 2.2 ??????????(Av836329979,P11).mp4
?? ?? ?? ?????? 49.49. 49. 49. 6.6 GRU??LSTM(Av836329979,P49).mp4
?? ?? ?? ?????? 59.59. 59. 7. 7.6 ?????????(Av836329979,P59).mp4
?? ?? ?? ?????? 88.2-?????????-?????y????????(Av836329979,P88).mp4
?? ?? ?? ?????? 89.?????????-?????????-cifar????????3??(Av836329979,P89).mp4
?? ?? ?? ?????? 45.45. 45. 45. 6.2 ?????????(Av836329979,P45).mp4
?? ?? ?? ?????? 20.20. 20. 20. 3 ???????(Av836329979,P20).mp4
?? ?? ?? ?????? 9.9. 9. 9. 2 ??????????(Av836329979,P9).mp4
?? ?? ?? ?????? 39.39. 39. 39. 5.3 ????????????(Av836329979,P39).mp4
?? ?? ?? ?????? 82.82. 82. 30. 9.5 ????????(Av836329979,P82).mp4
?? ?? ?? ?????? 68.68. 68. 16. 8.1?????????(Av836329979,P68).mp4
?? ?? ?? ?????? 81.81. 81. 29. 9.4 ?????????????(Av836329979,P81).mp4
?? ?? ?? ?????? 43.43. 43. 43. 6 ?????????(Av836329979,P43).mp4
?? ?? ?? ?????? 94.2-???????(Av836329979,P94).mp4
?? ?? ?????? exercise-master.zip
?? ?? ?????? Chinese-Text-Classification-Pytorch-master.zip
?? ?? ?????? ????.doc
?? ?? ?????? nndl-book.pdf
?? ?????? 3.?????????????????
?? ?? ?????? ???
?? ?? ?? ?????? CS224N??2023????-Huggingface课程｜精翻中文｜自然语言处理｜2024最新
│ │ │ ├── CS224N｜2023年更新-Pytorch入门｜精翻中文｜自然语言处理｜2024最新
│ │ │ │ ├── 1.CS224N｜2023年更新-Pytorch入门｜精翻中文｜自然语言处理｜2(Av1254876091,P1).mp4
│ │ │ │ ├── 1.CS224N｜2023年更新-Pytorch入门｜精翻中文｜自然语言处理｜2(Av1704752966,P1).mp4
│ │ │ ├── 1.CS224N｜15 - 为语言模型添加知识｜精翻中文｜自然语言处理｜2024(Av1504886432,P1).mp4
│ │ │ ├── 1.CS224N｜18-NLP和深度学习的未来｜精翻中文｜自然语言处理｜2024(Av1204839838,P1).mp4
│ │ │ ├── 1.CS224N｜08-自注意力机制和变形器｜精翻中文｜自然语言处理｜2024最(Av1504768986,P1).mp4
│ │ │ ├── 1.CS224N｜04-句法结构与依存句法分析｜精翻中文｜自然语言处理(Av1054810882,P1).mp4
│ │ │ ├── 1.CS224N｜12-问答模型｜精翻中文｜自然语言处理｜2024最新(Av1254780449,P1).mp4
│ │ │ ├── 1.CS224N｜06-简单和LSTM循环神经网络｜精翻中文｜自然语言处理(Av1204851529,P1).mp4
│ │ │ ├── 1.CS224N｜03-反向传播和神经网络｜精翻中文｜自然语言处理(Av1554961689,P1).mp4
│ │ │ ├── 1.CS224N｜07-翻译模型，序列到序列模型，注意力机制｜精翻中文｜自然语言(Av1154760424,P1).mp4
│ │ │ ├── 1.CS224N｜17-模型分析和解释｜精翻中文｜自然语言处理｜2024最新(Av1604921000,P1).mp4
│ │ │ ├── 1.CS224N｜19 - 模型可解释性与编辑｜精翻中文｜自然语言处理｜2024(Av1654869610,P1).mp4
│ │ │ ├── 1.CS224N｜05-循环神经网络（RNNs）｜精翻中文｜自然语言处理(Av1304934016,P1).mp4
│ │ │ ├── 1.CS224N｜02-神经网络分类器｜精翻中文｜自然语言处理(Av1904933155,P1).mp4
│ │ │ ├── 1.CS224N｜14-NLP与语言学之间的洞见｜精翻中文｜自然语言处理｜202(Av1354817570,P1).mp4
│ │ │ ├── 1.CS224N｜01-课程介绍与词向量｜精翻中文｜自然语言处理(Av1554935802,P1).mp4
│ │ │ ├── 1.CS224N｜09-预训练｜精翻中文｜自然语言处理｜2024最新(Av1254941783,P1).mp4
│ │ │ ├── 1.CS224N｜11-自然语言生成｜精翻中文｜自然语言处理｜2024最新(Av1154853441,P1).mp4
│ │ │ ├── 1.2024年官方最新双语完整版｜CS224N｜斯坦福大学｜精翻中文｜自然语言处(Av1801601230,P1).mp4
│ │ │ ├── 1.CS224N｜13-指代消解｜精翻中文｜自然语言处理｜2024最新(Av1604815636,P1).mp4
│ │ │ ├── 1.CS224N｜16-多模态深度学习，Douwe Kiela｜精翻中文｜自然语(Av1004785817,P1).mp4
│ │ │ ├── 1.CS224N｜10-提示词、人类反馈强化学习 - 2023｜精翻中文｜自然语(Av1454836305,P1).mp4
│ ├── 1.【框架】Pytorch学习
│ │ ├── PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】
│ │ │ ├── 21.神经网络-线性层及其他层介绍(Av74281036,P21).mp4
│ │ │ ├── 13.常见的Transforms（二）(Av74281036,P13).mp4
│ │ │ ├── 2.P2. Python编辑器的选择、安装及配置（PyCharm、Jupyter(Av74281036,P2).mp4
│ │ │ ├── 18.神经网络-卷积层(Av74281036,P18).mp4
│ │ │ ├── 5.P4. PyCharm及Jupyter使用及对比(Av74281036,P5).mp4
│ │ │ ├── 7.P6. Dataset类代码实战(Av74281036,P7).mp4
│ │ │ ├── 29.完整的模型训练套路（三）(Av74281036,P29).mp4
│ │ │ ├── 24.优化器（一）(Av74281036,P24).mp4
│ │ │ ├── 30.利用GPU训练（一）(Av74281036,P30).mp4
│ │ │ ├── 32.完整的模型验证套路(Av74281036,P32).mp4
│ │ │ ├── 8.P7. TensorBoard的使用（一）(Av74281036,P8).mp4
│ │ │ ├── 19.神经网络-最大池化的使用(Av74281036,P19).mp4
│ │ │ ├── 4.P3. Python学习中的两大法宝函数（当然也可以用在PyTorch）(Av74281036,P4).mp4
│ │ │ ├── 27.完整的模型训练套路（一）(Av74281036,P27).mp4
│ │ │ ├── 25.现有网络模型的使用及修改(Av74281036,P25).mp4
│ │ │ ├── 1.P1. PyTorch环境的配置及安装（Configuration and (Av74281036,P1).mp4
│ │ │ ├── 3.【FAQ】为什么torch.cuda.is_available返回False(Av74281036,P3).mp4
│ │ │ ├── 14.torchvision中的数据集使用(Av74281036,P14).mp4
│ │ │ ├── 10.P9. Transforms的使用（一）(Av74281036,P10).mp4
│ │ │ ├── 11.P9. Transforms的使用（二）(Av74281036,P11).mp4
│ │ │ ├── 26.网络模型的保存与读取(Av74281036,P26).mp4
│ │ │ ├── 6.P5. PyTorch加载数据初认识(Av74281036,P6).mp4
│ │ │ ├── 9.P8. TensorBoard的使用（二）(Av74281036,P9).mp4
│ │ │ ├── 17.土堆说卷积操作（可选看）(Av74281036,P17).mp4
│ │ │ ├── 15.DataLoader的使用(Av74281036,P15).mp4
│ │ │ ├── 12.常见的Transforms（一）(Av74281036,P12).mp4
│ │ │ ├── 16.神经网络的基本骨架-nn.Module的使用(Av74281036,P16).mp4
│ │ │ ├── 23.损失函数与反向传播(Av74281036,P23).mp4
│ │ │ ├── 31.利用GPU训练（二）(Av74281036,P31).mp4
│ │ │ ├── 33.【完结】看看开源项目(Av74281036,P33).mp4
│ │ │ ├── 20.神经网络-非线性激活(Av74281036,P20).mp4
│ │ │ ├── 28.完整的模型训练套路（二）(Av74281036,P28).mp4
│ │ │ ├── 22.神经网络-搭建小实战和Sequential的使用(Av74281036,P22).mp4
│ │ ├── 怎么学.doc
│ │ ├── pytorch-tutorial-master.zip
├── 阶段8：大模型分布式并行训练
│ ├── 阶段8学习资料.doc
│ ├── 怎么学？.docx
│ ├── 本阶段作业和考试.docx
├── 阶段10：推理引擎部署与优化实战
│ ├── 怎么学.docx
│ ├── 本阶段作业和考试.docx
│ ├── 学习资料.doc
├── 18-LLM-模型
│ ├── 大模型（LLMs）参数高效微调(PEFT)面
│ │ ├── 提示学习（Prompting）篇.pdf
│ │ ├── 参数高效微调篇PRFT.pdf
│ │ ├── LoRA篇.pdf
│ │ ├── 适配器微调（Adapter-tuning）篇.pdf
│ ├── 31-LLM-Interview-Plus
│ │ ├── 大模型校招面试题.pdf
│ │ ├── 大模型（LLMs）Tokenizer篇.pdf
│ │ ├── 大模型（LLMs）蒸馏面.pdf
│ │ ├── 大模型（LLMs）显存问题面.pdf
│ │ ├── 多模态常见面试题.pdf
│ │ ├── 大模型（LLMs）增量预训练篇.pdf
│ │ ├── 大模型 RAG 检索增强生成面.pdf
│ │ ├── 大模型（LLMs）面试题答案Plus.pdf
│ │ ├── 大模型（LLMs）分布式训练面.pdf
│ │ ├── 大模型（LLMs）推理加速篇.pdf
│ │ ├── 大模型（LLMs）幻觉面.pdf
│ ├── 大模型（LLMs）langchain面
│ │ ├── 大模型（LLMs）langchain面.pdf
│ │ ├── 基于LLM+向量库的文档对话经验面.pdf
│ ├── 大模型（LLMs）强化学习—— PPO 面.pdf
│ ├── 大模型（LLMs）强化学习——RLHF及其变种面.pdf
│ ├── 大模型（LLMs）微调面.pdf
│ ├── 大模型（LLMs）推理面.pdf
│ ├── 大模型（LLMs）进阶面.pdf
│ ├── 大模型（LLMs）基础面.pdf
│ ├── 大模型（LLMs）幻觉面.pdf
│ ├── 大模型（LLMs）训练集面.pdf
│ ├── 大模型（LLMs）agent 面.pdf
│ ├── 大模型（LLMs）评测面.pdf
├── 阶段5：基于langchain搭建LLMs应用
│ ├── 【实战】LangChain实战项目
│ │ ├── 学习资料.docx
│ ├── 【原理】LangChain工具学习
│ │ ├── 学习资料.docx
├── 阶段3：大模型部署实战
│ ├── 【产品化】压力测试
│ │ ├── 【产品化】压力测试.doc
│ ├── 【框架】FastAPI后端框架
│ │ ├── 【框架】FastAPI后端框架.doc
│ ├── 【实战】清华ChatGLM2-6B开源大模型部署
│ │ ├── 【实战】清华ChatGLM2-6B开源大模型部署.doc
├── 阶段7：大语言模型的训练和构建
│ ├── 视频
│ │ ├── 1.参数高效微调与BitFit实战.mp4
│ │ ├── 4.prefix tuning原理与实战.mp4
│ │ ├── 7.PEFT 进阶操作.mp4
│ │ ├── 3.P-Tuning.mp4
│ │ ├── 6.IA3 原理与实战.mp4
│ │ ├── 2.Prompt-Tuning原理与实战.mp4
│ │ ├── 5.LoRA 原理与实战.mp4
│ ├── 本阶段作业和考试.docx
│ ├── 资料.docx
├── 阶段12：LLM大型复杂项目实战
│ ├── 项目实战2：法律方向智能问答系统
│ │ ├── allpdf-part3.zip
│ │ ├── 项目题库-项目实战2.md
│ │ ├── allpdf-part2.zip
│ │ ├── allpdf-part1.zip
│ │ ├── 简历模版-项目实战2.md
│ │ ├── 大模型综合项目二.zip
│ ├── 项目实战2：大模型金融对话交互系统_files
│ │ ├── c__DraftTipTag.108e21d0.async.js
│ │ ├── c__MoreFeaturesTabPanel.1093eaf3.async.js
│ │ ├── c__LakexTextViewer.c0a1286e.async.js
│ │ ├── image(9).png
│ │ ├── image(4).png
│ │ ├── c__BookContributors.885c551f.chunk.css
│ │ ├── c__Icons970.c1a86b3b.async.js
│ │ ├── c__ReaderComment.a03fc785.async.js
│ │ ├── doc_editor.bda0caf2.async(1).js
│ │ ├── image(14).png
│ │ ├── c__BoardReader.a0e7af9c.chunk.css
│ │ ├── c__Icons1044.abf65a3a.async.js
│ │ ├── c__DocWordCountShow.9adbbf67.chunk.css
│ │ ├── 0
│ │ ├── pc.f2873d42.js
│ │ ├── c__Icons969.3b462ad9.async.js
│ │ ├── c__SocialShare.710c0bea.chunk.css
│ │ ├── c__SideCommentPanel.67c51ecc.async.js
│ │ ├── c__PresentEditSidebar.3be5c329.async.js
│ │ ├── c__AppQrCodeBubble.6754c3e8.async.js
│ │ ├── c__DocWordCountShow.fa71bd10.async.js
│ │ ├── c__CatalogModule.800bdcec.chunk.css
│ │ ├── c__FeatureGuides.3407aa14.async.js
│ │ ├── c__InReviewBanner.fb69443e.chunk.css
│ │ ├── c__WordingCommentPanel.4b6fe1a1.chunk.css
│ │ ├── c__Icons469.f1b35688.async.js
│ │ ├── image(25).png
│ │ ├── c__CatalogItemActions.46e1a676.chunk.css
│ │ ├── c__Icons330.51726d4b.async.js
│ │ ├── p__doc__routers.80081443.chunk.css
│ │ ├── c__Like.f6317bea.async.js
│ │ ├── c__SheetReader.10872ae7.chunk.css
│ │ ├── c__Like.5985a45d.chunk.css
│ │ ├── deps.e59ef69c.async.js
│ │ ├── saved_resource
│ │ ├── tracert_a385.js
│ │ ├── c__AdBlockTip.8c964173.async.js
│ │ ├── image(19).png
│ │ ├── image(8).png
│ │ ├── c__Icons347.e527ef29.async.js
│ │ ├── c__Icons1074.6cef5b5e.async.js
│ │ ├── c__Icons1042.6005a9bb.async.js
│ │ ├── c__ShareButton.2feed40b.chunk.css
│ │ ├── c__Icons81.018519b5.async.js
│ │ ├── image(5).png
│ │ ├── lake_common.b0017d02.async.js
│ │ ├── c__CatalogModule.20523b7d.async.js
│ │ ├── common.77f9d213.async.js
│ │ ├── image(21).png
│ │ ├── c__CommentFloor.c9b193f4.async.js
│ │ ├── doc_editor.bda0caf2.async.js
│ │ ├── 3.0de45f83.async.js
│ │ ├── c__LakexMiniEditor.af403f0a.async.js
│ │ ├── c__DocListViewer.472599a9.async.js
│ │ ├── c__BoardReader.893cbedb.async.js
│ │ ├── c__BookContributors.fdc67b75.async.js
│ │ ├── image(6).png
│ │ ├── c__Icons208.36468c7e.async.js
│ │ ├── c__BookOverview.ec49469a.async.js
│ │ ├── c__Icons1046.649e57b8.async.js
│ │ ├── c__LakexMiniEditor.33746412.chunk.css
│ │ ├── c__DefaultLayoutInner~c__ReadWriteView~c__SideBarMenu~c__YuqueLogo~p__AiInvitation__index~p__ShareTi~fee414e3.1aa9bfdb.async.js
│ │ ├── image(2).png
│ │ ├── image(7).png
│ │ ├── c__IntranetSafeTip.be35e515.chunk.css
│ │ ├── 13.085ae665.chunk.css
│ │ ├── larkui.0178996a.chunk.css
│ │ ├── c__ReaderMeta~c__WordingCommentPanel.c94afc43.async.js
│ │ ├── c__Icons611.b1e07070.async.js
│ │ ├── original
│ │ ├── c__CommentFloorComp.e9176041.chunk.css
│ │ ├── c__CommentFloorComp.4f86d74f.async.js
│ │ ├── image(12).png
│ │ ├── image(18).png
│ │ ├── image(3).png
│ │ ├── c__DocEntry.3e04a3ca.async.js
│ │ ├── c__Icons642.7b28ba6d.async.js
│ │ ├── c__MoreFeaturesTabPanel.7af042d9.chunk.css
│ │ ├── image(15).png
│ │ ├── c__CatalogItemActions.31f865cd.async.js
│ │ ├── c__Icons350.8ea403e9.async.js
│ │ ├── c__DocEditMode.2d3cf443.async.js
│ │ ├── c__InReviewBanner.76b956ac.async.js
│ │ ├── c__ReaderComment.074ade12.chunk.css
│ │ ├── image(23).png
│ │ ├── cross.html
│ │ ├── image(10).png
│ │ ├── c__DocActionMenu~c__ImportBookModal.fbfed60e.chunk.css
│ │ ├── doc_editor.932468d1.chunk.css
│ │ ├── c__AdBlockTip.c9b42f4b.chunk.css
│ │ ├── c__Icons647.c9cbc0dd.async.js
│ │ ├── c__ReaderMeta~c__WordingCommentPanel.0460b0e8.chunk.css
│ │ ├── c__SuperSidebarContainer.41c1e585.async.js
│ │ ├── c__BookRepoSubLayout~c__BookSubLayout~c__DocListViewer~c__NewGroupModal~c__NewRepoModal.7595bf09.chunk.css
│ │ ├── c__IntranetSafeTip.5b12a17a.async.js
│ │ ├── c__CatalogItemActions~c__CatalogModule~c__DocActionMenu~c__DocListPage~c__DocumentReading~c__ImportB~9215c1df.3b0636a6.async.js
│ │ ├── pc.c12a2c9f.css
│ │ ├── c__ReaderMeta.73549c7d.async.js
│ │ ├── c__LakexTextViewer.24648639.chunk.css
│ │ ├── c__Icons479.fdd482d1.async.js
│ │ ├── c__Icons1124.d12cb1e1.async.js
│ │ ├── deps.6cfd33f8.chunk.css
│ │ ├── c__SuperSidebarContainer.d738dd0f.chunk.css
│ │ ├── c__SocialShare.04647a09.async.js
│ │ ├── p__doc__routers.d7213439.async.js
│ │ ├── c__DocReader.a89d312c.async.js
│ │ ├── image(1).png
│ │ ├── c__Reading.ae35653b.chunk.css
│ │ ├── c__DraftTipTag.1d982b45.chunk.css
│ │ ├── lakex_table_yq.4964b0a0.async.js
│ │ ├── c__ReaderMeta.5aa460b5.chunk.css
│ │ ├── c__ShareButton.2b876d8b.async.js
│ │ ├── c__SheetReader.e4a43d7d.async.js
│ │ ├── c__Review.4932f606.chunk.css
│ │ ├── c__Reading.9b226921.async.js
│ │ ├── iframe.js
│ │ ├── image.png
│ │ ├── c__Icons337.d223a2ff.async.js
│ │ ├── c__SideCommentPanel.f411f0a9.chunk.css
│ │ ├── c__DocListViewer.cb2e6b05.chunk.css
│ │ ├── c__DocReader.769806d5.chunk.css
│ │ ├── c__BookFavor.b4bcdf54.chunk.css
│ │ ├── c__DocEditMode.1a2732dc.chunk.css
│ │ ├── 11.3482e800.async.js
│ │ ├── c__BookFavor.bb6f5e58.async.js
│ │ ├── c__Icons901.2fcd4770.async.js
│ │ ├── lakex_table_yq.44480de2.chunk.css
│ │ ├── c__DocEntry.d644b935.chunk.css
│ │ ├── c__WordingCommentPanel.adce84e6.async.js
│ │ ├── c__BookManage~c__CatalogItemActions~c__CatalogModule~c__CommonEditPage~c__DashboardBooks~c__Dashboar~ea79a68c.ea30398d.chunk.css
│ │ ├── c__FeatureGuides.00e9824f.chunk.css
│ │ ├── image(16).png
│ │ ├── c__Icons815.75cdc7b5.async.js
│ │ ├── polyfill.min.js
│ │ ├── c__BookManage~c__CatalogItemActions~c__CatalogModule~c__CommonEditPage~c__DashboardBooks~c__Dashboar~ea79a68c.d236c132.async.js
│ │ ├── c__Review.a835fdea.async.js
│ │ ├── image(26).png
│ │ ├── c__AppQrCodeBubble.7a863f11.chunk.css
│ │ ├── c__DocActionMenu.ab26e20d.chunk.css
│ │ ├── image(17).png
│ │ ├── image(13).png
│ │ ├── c__Icons966.3caf3597.async.js
│ │ ├── index.umd.min.js
│ │ ├── image(24).png
│ │ ├── image(11).png
│ │ ├── image(22).png
│ │ ├── larkui.ce186036.async.js
│ │ ├── c__ReaderAudit.bb5ea476.chunk.css
│ │ ├── image(20).png
│ │ ├── c__PresentEditSidebar.d791b6e5.chunk.css
│ │ ├── c__BookOverview.220151f7.chunk.css
├── 阶段4：prompt提示工程实战
│ ├── 【入门】吴恩达Prompt公开课
│ │ ├── chatGPT提示词工程进阶教学 _ 汉化：跃迁AI - 6.chatGPT提示词工程进阶教学 _ 第六期：如何使用大模型进行文本转换 ((Av826343014,P6).mp4
│ │ ├── chatGPT提示词工程进阶教学 _ 汉化：跃迁AI - 2.chatGPT提示词工程进阶教学 _ 第二期：如何更清晰、更具体地书写提示词(Av826343014,P2).mp4
│ │ ├── chatGPT提示词工程进阶教学 _ 汉化：跃迁AI - 7.chatGPT提示词工程进阶教学 _ 第七期：如何使用chatGPT的温度值(Av826343014,P7).mp4
│ │ ├── chatGPT提示词工程进阶教学 _ 汉化：跃迁AI - 1.chatGPT提示词工程进阶教学 _ 第一期：引入 (Lesson01 in(Av826343014,P1).mp4
│ │ ├── prompt-tutorial-main.zip
│ │ ├── chatGPT提示词工程进阶教学 _ 汉化：跃迁AI - 3.chatGPT提示词工程进阶教学 _ 第三期：如何更好地迭代提示词 (Les(Av826343014,P3).mp4
│ │ ├── chatGPT提示词工程进阶教学 _ 汉化：跃迁AI - 5.chatGPT提示词工程进阶教学 _ 第五期：如何使用大语言模型的语义推理 (Av826343014,P5).mp4
│ │ ├── chatGPT提示词工程进阶教学 _ 汉化：跃迁AI - 4.chatGPT提示词工程进阶教学 _ 第四期：如何用大语言模型总结文本 (L(Av826343014,P4).mp4
│ │ ├── chatGPT提示词工程进阶教学 _ 汉化：跃迁AI - 8.chatGPT提示词工程进阶教学 _ 第八期：如何构建自己的聊天机器人？ ((Av826343014,P8).mp4
│ ├── 【进阶】提示工程高级用法
│ │ ├── 【进阶】提示工程高级用法.doc
│ ├── 【原理】大白话提示工程
│ │ ├── 【原理】大白话提示工程.doc
├── 阶段6：基于垂直数据大模型微调
│ ├── 代码
│ │ ├── rag
│ │ │ ├── MedDialog_processed
│ │ │ │ ├── english-dev.json
│ │ │ │ ├── validate_data.json
│ │ │ │ ├── test_data.json
│ │ │ │ ├── english-train.json
│ │ │ │ ├── english-test.json
│ │ │ │ ├── train_data.json
│ │ │ ├── train_similar_model
│ │ │ │ ├── rank_model
│ │ │ │ │ ├── pytorch_model.bin
│ │ │ │ │ ├── tokenizer.json
│ │ │ │ │ ├── tokenizer_config.json
│ │ │ │ │ ├── vocab.txt
│ │ │ │ │ ├── config.json
│ │ │ │ ├── model
│ │ │ │ │ ├── vocab.txt
│ │ │ │ │ ├── tokenizer_config.json
│ │ │ │ │ ├── tokenizer.json
│ │ │ │ │ ├── config.json
│ │ │ │ │ ├── pytorch_model.bin
│ │ │ │ ├── my_model
│ │ │ │ │ ├── special_tokens_map.json
│ │ │ │ │ ├── modules.json
│ │ │ │ │ ├── tokenizer_config.json
│ │ │ │ │ ├── sentence_bert_config.json
│ │ │ │ │ ├── config.json
│ │ │ │ │ ├── pytorch_model.bin
│ │ │ │ │ ├── vocab.txt
│ │ │ │ │ ├── logs.txt
│ │ │ │ ├── train_data
│ │ │ │ ├── train_recall_model.py
│ │ │ │ ├── train_rank_model.py
│ │ │ │ ├── test.py
│ │ │ │ ├── get_train_data.py.bak
│ │ │ │ ├── insert_knowledge.py
│ │ │ │ ├── test2.py
│ │ │ │ ├── get_train_data.py
│ │ │ ├── RAG.pptx
│ │ │ ├── disease_names
│ │ │ ├── get_disease_name.py
│ │ │ ├── requirements.txt
│ │ │ ├── chat.py
│ │ │ ├── process_data.py
│ │ │ ├── knowledge
│ │ ├── 大模型微调
│ │ │ ├── requirements.txt
│ │ │ ├── langchain.zip
│ │ │ ├── ChatGLM-Tuning.zip
│ │ ├── PPT
│ │ │ ├── 羊驼系列大模型.pptx
│ │ │ ├── modeling_chatglm.py
│ │ │ ├── chatGLM模型精讲.pptx
│ │ │ ├── 大模型技术总结.pptx
│ │ │ ├── 大模型微调.pptx
│ │ │ ├── GPU原理.pptx
│ │ │ ├── 大模型综述.pptx
│ │ │ ├── 旅游数据.csv
│ │ │ ├── 大模型的数据处理.pptx
│ │ │ ├── 技术架构.pptx
│ │ │ ├── 大模型技术串讲.pptx
│ │ ├── jinyong
│ │ │ ├── runs
│ │ │ │ ├── Feb13_14-10-52_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707804652.WY-20230411FNEJ.24384.0
│ │ │ │ ├── Feb13_01-59-15_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707760755.WY-20230411FNEJ.30360.0
│ │ │ │ ├── Feb13_00-25-48_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707755148.WY-20230411FNEJ.12620.0
│ │ │ │ │ ├── events.out.tfevents.1707755148.WY-20230411FNEJ.12620(1).0
│ │ │ │ ├── Feb13_14-19-55_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707805195.WY-20230411FNEJ.25480.0
│ │ │ │ ├── Feb13_20-30-17_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707827417.WY-20230411FNEJ.18636.0
│ │ │ │ ├── Feb13_01-54-51_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707760491.WY-20230411FNEJ.20264.0
│ │ │ │ ├── Feb12_17-48-40_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707731320.WY-20230411FNEJ.7548(1).0
│ │ │ │ │ ├── events.out.tfevents.1707731320.WY-20230411FNEJ.7548.0
│ │ │ │ ├── Feb13_14-09-12_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707804552.WY-20230411FNEJ.4984.0
│ │ │ │ ├── Feb12_17-46-57_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707731217.WY-20230411FNEJ.18472.0
│ │ │ │ │ ├── events.out.tfevents.1707731217.WY-20230411FNEJ.18472(1).0
│ │ │ │ ├── Feb13_01-54-00_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707760440.WY-20230411FNEJ.13052.0
│ │ │ │ ├── Feb13_14-45-39_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707806739.WY-20230411FNEJ.19832.0
│ │ │ │ ├── Mar03_01-42-48_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1709401368.WY-20230411FNEJ.14180.0
│ │ │ │ ├── Feb13_13-52-09_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707803529.WY-20230411FNEJ.7564.0
│ │ │ │ ├── Feb12_21-59-35_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707746375.WY-20230411FNEJ.4968.0
│ │ │ │ ├── Feb13_14-20-15_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707805215.WY-20230411FNEJ.10276.0
│ │ │ │ ├── Feb12_17-22-07_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707729727.WY-20230411FNEJ.20732.0
│ │ │ │ ├── Feb13_00-23-43_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707755023.WY-20230411FNEJ.19892(1).0
│ │ │ │ │ ├── events.out.tfevents.1707755023.WY-20230411FNEJ.19892.0
│ │ │ │ ├── Feb13_14-02-10_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707804130.WY-20230411FNEJ.18484.0
│ │ │ │ ├── Feb13_14-19-25_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707805165.WY-20230411FNEJ.15156.0
│ │ │ │ ├── Feb13_14-16-38_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707804998.WY-20230411FNEJ.23392.0
│ │ │ │ ├── Feb13_15-26-43_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707809203.WY-20230411FNEJ.27180.0
│ │ │ ├── data
│ │ │ │ ├── 金庸-越女剑.txt
│ │ │ │ ├── 金庸-鸳鸯刀.txt
│ │ │ │ ├── 金庸-天龙八部.txt
│ │ │ │ ├── 金庸-白马啸西风.txt
│ │ │ │ ├── 金庸-神雕侠侣.txt
│ │ │ │ ├── 金庸-连城诀.txt
│ │ │ │ ├── 金庸-飞狐外传.txt
│ │ │ │ ├── 金庸-书剑恩仇录.txt
│ │ │ │ ├── 金庸-侠客行.txt
│ │ │ │ ├── 金庸-鹿鼎记.txt
│ │ │ │ ├── 金庸-倚天屠龙记.txt
│ │ │ │ ├── 金庸-雪山飞狐.txt
│ │ │ │ ├── 金庸-射雕英雄传.txt
│ │ │ │ ├── 金庸-笑傲江湖.txt
│ │ │ │ ├── 金庸-碧血剑.txt
│ │ │ ├── model-lora
│ │ │ │ ├── runs
│ │ │ │ │ ├── Feb13_15-26-43_WY-20230411FNEJ
│ │ │ │ │ │ ├── events.out.tfevents.1707809217.WY-20230411FNEJ.27180.1
│ │ │ │ │ ├── Mar03_01-42-48_WY-20230411FNEJ
│ │ │ │ │ │ ├── events.out.tfevents.1709401377.WY-20230411FNEJ.14180.1
│ │ │ │ │ ├── Feb13_20-30-17_WY-20230411FNEJ
│ │ │ │ │ │ ├── events.out.tfevents.1707827433.WY-20230411FNEJ.18636.1
│ │ │ │ │ ├── Feb13_14-45-39_WY-20230411FNEJ
│ │ │ │ │ │ ├── events.out.tfevents.1707806750.WY-20230411FNEJ.19832.1
│ │ │ │ │ ├── Feb13_14-20-15_WY-20230411FNEJ
│ │ │ │ │ │ ├── events.out.tfevents.1707805229.WY-20230411FNEJ.10276.1
│ │ │ │ ├── checkpoint-2800
│ │ │ │ │ ├── trainer_state.json
│ │ │ │ │ ├── adapter_model.bin
│ │ │ │ │ ├── scheduler.pt
│ │ │ │ │ ├── rng_state.pth
│ │ │ │ │ ├── training_args.bin
│ │ │ │ │ ├── optimizer.pt
│ │ │ │ ├── checkpoint-2750
│ │ │ │ │ ├── rng_state.pth
│ │ │ │ │ ├── training_args.bin
│ │ │ │ │ ├── adapter_model.bin
│ │ │ │ │ ├── optimizer.pt
│ │ │ │ │ ├── scheduler.pt
│ │ │ │ │ ├── trainer_state.json
│ │ │ │ ├── adapter_model.bin
│ │ │ │ ├── adapter_config.json
│ │ │ │ ├── README.md
│ │ │ ├── train_data_token
│ │ │ │ ├── state.json
│ │ │ │ ├── data-00000-of-00001.arrow
│ │ │ │ ├── dataset_info.json
│ │ │ ├── wandb
│ │ │ │ ├── offline-run-20240213_140224-q9ea75ml
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ ├── run-q9ea75ml.wandb
│ │ │ │ ├── offline-run-20240213_152710-3cdc6b6t
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug(1).log
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ ├── run-3cdc6b6t.wandb
│ │ │ │ │ ├── run-3cdc6b6t(1).wandb
│ │ │ │ ├── offline-run-20240213_141010-gp9r5oou
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── run-gp9r5oou.wandb
│ │ │ │ ├── offline-run-20240212_215948-87csfw69
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── run-87csfw69.wandb
│ │ │ │ ├── offline-run-20240213_002457-pslycvyf
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ ├── run-pslycvyf.wandb
│ │ │ │ ├── offline-run-20240213_144552-wgllucjq
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── requirements(1).txt
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ ├── run-wgllucjq.wandb
│ │ │ │ │ ├── run-wgllucjq(1).wandb
│ │ │ │ ├── offline-run-20240213_135226-4iombf76
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ ├── run-4iombf76.wandb
│ │ │ │ ├── offline-run-20240212_174728-zohey7vx
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ ├── run-zohey7vx(1).wandb
│ │ │ │ │ ├── run-zohey7vx.wandb
│ │ │ │ ├── offline-run-20240213_015934-tvfvjjfk
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── run-tvfvjjfk.wandb
│ │ │ │ ├── offline-run-20240213_142054-f8t6oc37
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ │ ├── debug(1).log
│ │ │ │ │ │ ├── debug-internal(1).log
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── requirements(1).txt
│ │ │ │ │ │ ├── wandb-metadata(1).json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── run-f8t6oc37.wandb
│ │ │ │ ├── offline-run-20240213_002600-wg65q6lo
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ ├── run-wg65q6lo.wandb
│ │ │ │ ├── offline-run-20240213_015415-r790uvue
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ ├── run-r790uvue.wandb
│ │ │ │ ├── offline-run-20240303_014301-jocjllat
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug(1).log
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ ├── run-jocjllat.wandb
│ │ │ │ ├── offline-run-20240213_015505-36hole90
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── run-36hole90.wandb
│ │ │ │ │ ├── run-36hole90(1).wandb
│ │ │ │ ├── offline-run-20240213_141108-xod9dws6
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug-internal(1).log
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── run-xod9dws6.wandb
│ │ │ │ ├── offline-run-20240213_203114-2572x3ir
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ ├── run-2572x3ir.wandb
│ │ │ │ ├── offline-run-20240212_174912-g5k7cgsd
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── run-g5k7cgsd.wandb
│ │ │ │ ├── offline-run-20240212_172238-qqisw8ha
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ ├── run-qqisw8ha.wandb
│ │ │ │ ├── debug-cli.Administrator.log
│ │ │ ├── get_qa.py
│ │ │ ├── download.py
│ │ │ ├── qa_data
│ │ │ ├── train_data
│ │ │ ├── finetune_lora.py
│ │ │ ├── tokenize_dataset_rows.py
│ │ │ ├── test_lora.py
│ │ │ ├── 小说.txt
│ │ │ ├── get_train_data.py
│ │ │ ├── run_lora.bat
│ │ ├── nl2sql
│ │ │ ├── model-lora
│ │ │ │ ├── checkpoint-2950
│ │ │ │ │ ├── optimizer.pt
│ │ │ │ │ ├── scheduler.pt
│ │ │ │ │ ├── trainer_state.json
│ │ │ │ │ ├── adapter_model.bin
│ │ │ │ │ ├── rng_state.pth
│ │ │ │ │ ├── training_args.bin
│ │ │ │ ├── runs
│ │ │ │ │ ├── Feb03_03-12-46_WY-20230411FNEJ
│ │ │ │ │ │ ├── events.out.tfevents.1706901175.WY-20230411FNEJ.10036.1
│ │ │ │ ├── checkpoint-3000
│ │ │ │ │ ├── training_args.bin
│ │ │ │ │ ├── trainer_state.json
│ │ │ │ │ ├── rng_state.pth
│ │ │ │ │ ├── adapter_model.bin
│ │ │ │ │ ├── optimizer.pt
│ │ │ │ │ ├── scheduler.pt
│ │ │ │ ├── README.md
│ │ │ │ ├── adapter_config.json
│ │ │ │ ├── adapter_model.bin
│ │ │ ├── finetune_lora.py
│ │ │ ├── tokenize_dataset_rows.py
│ │ │ ├── run_lora2.bat
│ │ │ ├── train_data
│ │ │ ├── test_lora.py
│ │ │ ├── run_lora.sh
│ │ │ ├── test_data
│ ├── 大模型训练营5：lora和langchain 2024-01-31 22_48.mp4
│ ├── 预习资料：Transformer和bert 2024-02-02 08_56.mp4
│ ├── 大模型训练营7：GPU的计算原理 2024-01-31 12_46.mp4
│ ├── 2.向量数据库基础 2024-02-01 23_31.mp4
│ ├── 大模型训练营3：项目实战：文旅对话大模型实战（模型参数微调.mp4
│ ├── 大模型训练营9：大模型面试题 2024-01-30 08_48.mp4
│ ├── 大模型训练营1.大模型综述 2024-02-01 08_42.mp4
│ ├── 大模型训练营8：大模型技术一览，一些细节 2024-01-30 22_46.mp4
│ ├── lu大模型课件.rar
│ ├── 大模型训练营4：prefixtuning和adapter.mp4
│ ├── 预习资料1：Attention模型.mp4
│ ├── 大模型训练营6：模型并行 2024-01-31 22_01.mp4
│ ├── 1.距离精讲 2024-02-01 22_33 .mp4
│ ├── 大模型训练营2.大数据和大模型，常见分词方法 .mp4
├── 阶段11：综合项目实战1
│ ├── 项目实战1：智能座舱汽车知识大脑_files
│ │ ├── c__ReaderMeta~c__WordingCommentPanel.c94afc43.async.js.下载
│ │ ├── c__BookOverview.ec49469a.async.js.下载
│ │ ├── c__DocEditMode.1a2732dc.chunk.css
│ │ ├── c__Icons81.018519b5.async.js.下载
│ │ ├── c__Icons901.2fcd4770.async.js.下载
│ │ ├── doc_editor.bda0caf2.async.js.下载
│ │ ├── 0
│ │ ├── c__DocActionMenu.ab26e20d.chunk.css
│ │ ├── deps.6cfd33f8.chunk(1).css
│ │ ├── c__InReviewBanner.fb69443e.chunk.css
│ │ ├── image(10).png
│ │ ├── larkui.ce186036.async.js.下载
│ │ ├── c__Like.5985a45d.chunk.css
│ │ ├── 13.085ae665.chunk.css
│ │ ├── c__Icons350.8ea403e9.async.js.下载
│ │ ├── lake_common.b0017d02.async.js.下载
│ │ ├── c__ReaderMeta.73549c7d.async.js.下载
│ │ ├── c__Reading.ae35653b.chunk.css
│ │ ├── c__ScopedSearch.0f467ea4.chunk.css
│ │ ├── c__IntranetSafeTip.5b12a17a.async.js.下载
│ │ ├── c__Icons1028.02142558.async.js.下载
│ │ ├── c__SuperSidebarContainer.d738dd0f.chunk.css
│ │ ├── c__DocListViewer.472599a9.async.js.下载
│ │ ├── iframe.js.下载
│ │ ├── larkui.0178996a.chunk.css
│ │ ├── c__Icons642.7b28ba6d.async.js.下载
│ │ ├── c__AdBlockTip.c9b42f4b.chunk.css
│ │ ├── c__DocEntry.3e04a3ca.async.js.下载
│ │ ├── c__Icons970.c1a86b3b.async.js.下载
│ │ ├── image(7).png
│ │ ├── c__LakexTextViewer.c0a1286e.async.js.下载
│ │ ├── c__InReviewBanner.76b956ac.async.js.下载
│ │ ├── c__BookManage~c__CatalogItemActions~c__CatalogModule~c__CommonEditPage~c__DashboardBooks~c__Dashboar~ea79a68c.ea30398d.chunk.css
│ │ ├── index.umd.min.js.下载
│ │ ├── pc.c12a2c9f.css
│ │ ├── c__Icons330.51726d4b.async.js.下载
│ │ ├── c__Icons20.2fd73580.async.js.下载
│ │ ├── c__Icons469.f1b35688.async.js.下载
│ │ ├── c__Icons172.3c55a443.async.js.下载
│ │ ├── c__CommentFloorComp.e9176041.chunk.css
│ │ ├── c__ReaderComment.a03fc785.async.js.下载
│ │ ├── common.77f9d213.async.js.下载
│ │ ├── c__Icons966.3caf3597.async.js.下载
│ │ ├── c__BookOverview.220151f7.chunk.css
│ │ ├── c__Icons10.b88df619.async.js.下载
│ │ ├── 3.0de45f83.async.js.下载
│ │ ├── c__ShareButton.2b876d8b.async.js.下载
│ │ ├── image(3).png
│ │ ├── lakex_table_yq.4964b0a0.async.js.下载
│ │ ├── c__ReaderMeta~c__WordingCommentPanel.0460b0e8.chunk.css
│ │ ├── c__Icons1074.6cef5b5e.async.js.下载
│ │ ├── c__AppQrCodeBubble.6754c3e8.async.js.下载
│ │ ├── c__DocEntry.d644b935.chunk.css
│ │ ├── c__DocActionMenu~c__ImportBookModal.fbfed60e.chunk.css
│ │ ├── c__DocReader.a89d312c.async.js.下载
│ │ ├── c__Icons8.796a95d6.async.js.下载
│ │ ├── CodeMirror.js.下载
│ │ ├── 11.3482e800.async.js.下载
│ │ ├── c__LakexMiniEditor.33746412.chunk.css
│ │ ├── doc_editor.932468d1.chunk.css
│ │ ├── c__Like.f6317bea.async.js.下载
│ │ ├── c__AppQrCodeBubble.7a863f11.chunk.css
│ │ ├── c__LakexTextViewer.24648639.chunk.css
│ │ ├── image.png
│ │ ├── image(8).png
│ │ ├── c__SideCommentPanel.f411f0a9.chunk.css
│ │ ├── c__BookRepoSubLayout~c__BookSubLayout~c__DocListViewer~c__NewGroupModal~c__NewRepoModal.7595bf09.chunk.css
│ │ ├── cross.html
│ │ ├── image(2).png
│ │ ├── c__IntranetSafeTip.be35e515.chunk.css
│ │ ├── c__SocialShare.710c0bea.chunk.css
│ │ ├── c__Icons1102.015acc12.async.js.下载
│ │ ├── c__CatalogItemActions.31f865cd.async.js.下载
│ │ ├── deps.6cfd33f8.chunk.css
│ │ ├── tracert_a385.js.下载
│ │ ├── c__Reading.9b226921.async.js.下载
│ │ ├── c__Review.4932f606.chunk.css
│ │ ├── c__Icons337.d223a2ff.async.js.下载
│ │ ├── image(1).png
│ │ ├── c__DocEditMode.2d3cf443.async.js.下载
│ │ ├── c__MoreFeaturesTabPanel.1093eaf3.async.js.下载
│ │ ├── pc.f2873d42.js.下载
│ │ ├── c__SheetReader.e4a43d7d.async.js.下载
│ │ ├── image(4).png
│ │ ├── c__Icons347.e527ef29.async.js.下载
│ │ ├── c__SuperSidebarContainer.41c1e585.async.js.下载
│ │ ├── c__DraftTipTag.1d982b45.chunk.css
│ │ ├── c__FeatureGuides.00e9824f.chunk.css
│ │ ├── c__LakexMiniEditor.af403f0a.async.js.下载
│ │ ├── c__ReaderAudit.bb5ea476.chunk.css
│ │ ├── c__SheetReader.10872ae7.chunk.css
│ │ ├── c__Icons208.36468c7e.async.js.下载
│ │ ├── c__FeatureGuides.3407aa14.async.js.下载
│ │ ├── c__DocReader.769806d5.chunk.css
│ │ ├── c__CatalogItemActions~c__CatalogModule~c__DocActionMenu~c__DocListPage~c__DocumentReading~c__ImportB~9215c1df.3b0636a6.async.js.下载
│ │ ├── polyfill.min.js.下载
│ │ ├── image(11).png
│ │ ├── saved_resource
│ │ ├── c__CatalogItemActions.46e1a676.chunk.css
│ │ ├── c__Icons815.75cdc7b5.async.js.下载
│ │ ├── c__BookManage~c__CatalogItemActions~c__CatalogModule~c__CommonEditPage~c__DashboardBooks~c__Dashboar~ea79a68c.d236c132.async.js.下载
│ │ ├── deps.e59ef69c.async.js.下载
│ │ ├── original
│ │ ├── c__DocListViewer.cb2e6b05.chunk.css
│ │ ├── c__AdBlockTip.8c964173.async.js.下载
│ │ ├── c__Review.a835fdea.async.js.下载
│ │ ├── c__ScopedSearch.1cd2880c.async.js.下载
│ │ ├── p__doc__routers.80081443.chunk.css
│ │ ├── c__ShareButton.2feed40b.chunk.css
│ │ ├── c__DocWordCountShow.fa71bd10.async.js.下载
│ │ ├── image(12).png
│ │ ├── c__CommentFloorComp.4f86d74f.async.js.下载
│ │ ├── c__WordingCommentPanel.adce84e6.async.js.下载
│ │ ├── c__PresentEditSidebar.d791b6e5.chunk.css
│ │ ├── c__Icons969.3b462ad9.async.js.下载
│ │ ├── c__ReaderComment.074ade12.chunk.css
│ │ ├── image(5).png
│ │ ├── c__MoreFeaturesTabPanel.7af042d9.chunk.css
│ │ ├── image(6).png
│ │ ├── c__ReaderMeta.5aa460b5.chunk.css
│ │ ├── c__DraftTipTag.108e21d0.async.js.下载
│ │ ├── lakex_table_yq.44480de2.chunk.css
│ │ ├── c__BoardReader.893cbedb.async.js.下载
│ │ ├── c__CommentFloor.c9b193f4.async.js.下载
│ │ ├── c__DefaultLayoutInner~c__ReadWriteView~c__SideBarMenu~c__YuqueLogo~p__AiInvitation__index~p__ShareTi~fee414e3.1aa9bfdb.async.js.下载
│ │ ├── c__WordingCommentPanel.4b6fe1a1.chunk.css
│ │ ├── c__SocialShare.04647a09.async.js.下载
│ │ ├── c__DocWordCountShow.9adbbf67.chunk.css
│ │ ├── c__Icons647.c9cbc0dd.async.js.下载
│ │ ├── lakex_table_yq.4964b0a0.async.js(1).下载
│ │ ├── c__Icons479.fdd482d1.async.js.下载
│ │ ├── c__BoardReader.a0e7af9c.chunk.css
│ │ ├── c__PresentEditSidebar.3be5c329.async.js.下载
│ │ ├── c__SideCommentPanel.67c51ecc.async.js.下载
│ │ ├── c__Icons1124.d12cb1e1.async.js.下载
│ │ ├── p__doc__routers.d7213439.async.js.下载
│ │ ├── image(9).png
│ ├── 丁师兄综合项目实战项目.zip
