📄1-大模型（LLMs）基础面.pdf481.6KB
📄2-Layer normalization 篇.pdf488.6KB
📄3-LLMs 激活函数篇.pdf375.0KB
📄4-Attention 升级面.pdf410.4KB
📄5-transformers 操作篇.pdf227.1KB
📄6-LLMs 损失函数篇.pdf355.6KB
📄7-相似度函数篇.pdf175.0KB
📄8-大模型（LLMs）进阶面.pdf1,018.6KB
📄9-大模型（LLMs）微调面.pdf2.9MB
📄10-LLMs 训练经验帖.pdf253.5KB
📄11-大模型（LLMs）langchain 面.pdf631.0KB
📄12-多轮对话中让AI保持长期记忆的8种优化方式篇.pdf362.0KB
📄13-基于langchain RAG问答应用实战.pdf375.7KB
📄14-基于LLM+向量库的文档对话 经验面.pdf2.2MB
📄15-大模型 RAG 经验面.pdf1.4MB
📄16-LLM文档对话 —— pdf解析关键问题.pdf2.1MB
📄17-大模型（LLMs）RAG 版面分析——表格识别方法篇.pdf661.7KB
📄18-大模型（LLMs）RAG 版面分析——文本分块面.pdf482.9KB
📄19-大模型外挂知识库优化——如何利用大模型辅助召回？.pdf733.9KB
📄20-大模型外挂知识库优化——负样本样本挖掘篇.pdf704.0KB
📄21-RAG（Retrieval-Augmented Generation）评测面.pdf616.7KB
📄22-检索增强生成(RAG) 优化策略篇.pdf2.6MB
📄23-大模型（LLMs）RAG —— 关键痛点及对应解决方案.pdf1.3MB
📄24-大模型（LLMs）RAG 优化策略 —— RAG-Fusion篇.pdf1.1MB
📄25-Graph RAG 面 — 一种 基于知识图谱的大模型检索增强实现策略.pdf951.7KB
📄26-大模型（LLMs）参数高效微调(PEFT) 面.pdf1.5MB
📄27-适配器微调（Adapter-tuning）篇.pdf184.6KB
📄28-提示学习（Prompting）篇.pdf446.5KB
📄29-LoRA 系列篇.pdf767.3KB
📄30-如何使用 PEFT库 中 LoRA？.pdf695.7KB
📄31-大模型（LLMs）推理面.pdf675.3KB
📄32-大模型（LLMs）增量预训练篇.pdf904.6KB
📄33-增量预训练（Pretrain）样本拼接篇.pdf379.9KB
📄34-基于lora的llama2二次预训练.pdf2.3MB
📄35-大模型（LLMs）评测面.pdf252.6KB
📄36-大模型（LLMs）强化学习面.pdf277.6KB
📄37-大模型（LLMs）强化学习——RLHF及其变种面.pdf2.4MB
📄38-大模型（LLMs）强化学习—— PPO 面.pdf271.0KB
📄39-强化学习在自然语言处理下的应用篇.pdf571.6KB
📄40-大模型（LLMs）训练集面.pdf304.7KB
📄41-大模型（LLMs）LLM生成SFT数据方法面.pdf731.1KB
📄42-大模型（LLMs）显存问题面.pdf525.5KB
📄43-显存优化策略篇.pdf264.8KB
