LLM

深度解析大语言模型工作原理，从数据收集清洗到模型训练全流程。详解参数与词元概念、微调技术、工具使用减少幻觉、强化学习优化等核心技术，全面理解LLM运作机制。

vLLM推理性能深度测试分析，详解PagedAttention内存分配机制、KV Cache优化策略、参数调优方法。提升大模型推理吞吐量与效率。

Metaprompt提示词生成技术详解，通过元提示自动生成高质量prompt模板。涵盖Qwen模型调试实战、简历处理场景应用、提示词工程最佳实践，提升AI交互效果。

我自己的推理框架实战笔记：ONNX、TensorRT、TorchScript，聊原理也给出部署踩坑与优化经验。

全面整理AIGC算法面试高频题目，涵盖推荐系统、大语言模型、深度学习等核心技术点。包含携程、字节跳动等大厂真题解析，提供详细答案和实战经验分享，快速掌握AIGC算法面试要点。

大模型安全性全面解析：对抗攻击原理与防御策略，包括白盒、灰盒、黑盒攻击方法，token操作技术，梯度攻击机制详解。

大模型经典架构深度解析：多模态模型连接方式、视觉编码器选择、文本解码器设计、DeepSeek技术细节。前沿AI架构学习笔记。

大模型训练与微调技术详解：全量微调与参数高效微调对比、LoRA技术原理、指令微调方法。从基础概念到实践应用的完整指南。

大模型训练数据集与评测指南：中文数据集资源汇总、数据处理方法、模型性能评测指标。构建高质量训练数据的实用教程。

全面系统的大语言模型基础知识指南，深入讲解Token机制、BPE编码、模型微调、幻觉现象、涌现能力等核心概念。通俗易懂的方式帮助初学者快速掌握LLM技术要点。