以下是为您推荐的入门 LLM 的相关资源：
对于渴望深入理解AI的爱好者和研究者来说，阅读经典论文不仅是获取知识的途径，更能让我们产生新的思维方式。历史文章分享过一次《Attention is All You Need》论文的精读，我也不是算法和机器学习的从业者，有很多不解，但是不影响我在后面学习大语言模型（LLM）相关技术时提供了理论基础。《Attention is All You Need》这篇论文堪称经典一点不为过，早期的GPT、BERT、T5大语言模型都是在此论文提供的Transformers框架上进行后续的模型设计和优化的。所以今天，为大家推荐31篇LLM的经典论文之作速读版，看完感觉自己通透了，包含：大语言模型架构、RAG、预训练、微调、提示词等。在此之前，先分享一个想看中文翻译版原文的高效办法：为了方便中文阅读：安装浏览器插件“沉浸式翻译（https://immersivetranslate.com）”，支持多种浏览器，多个翻译服务。PDF翻译后样式不方便阅读，调整为HTM版本：将arxiv PDF论文原地址域名中的x更换成5即变成可访问的HTML版本链接，然后就可以愉快的使用“沉浸式翻译”进行原文阅读了。论文中看不懂的公式/概念，对于不是搞算法的可以不用专研，毕竟没有算法功底和更详细的上下文有些很难读懂，google或者AI一下知道是干嘛的就够了（个人阅读习惯，大佬跳过～）。31篇LLM的经典论文速读版清单[节选来源：劉智皓](https://tomohiroliu22.medium.com/66%E5%80%8B%E5%A4%A7%E5%9E%8B%E8%AA%9E%E8%A8%80%E6%A8%A1%E5%9E%8Bllm%E7%B6%93%E5%85%B8%E8%AB%96%E6%96%87-0fcdab74e822)|
首先，建议学习大语言模型（LLM）入门者的课程，这是了解LLM的基础。在此基础上，可以进一步学习面向开发者的课程，帮助您更好地应用LLM于实际项目中。1.大语言模型（LLM）入门者的课程2.然后，进一步看看面向开发者的课程
卧槽，来了朋友们，Karpathy三个半小时LLM入门课程，如果想入门了解LLM的话必看这个视频。详细介绍LLM训练的全部过程，包括预训练、有监督微调和强化学习。1.预训练：数据、分词、Transformer神经网络的输入输出和内部结构、推理、GPT-2训练示例、Llama 3.1基础推理示例2.有监督微调：对话数据、"LLM心理学"：幻觉、工具使用、知识/工作记忆、自我认知、模型需要token来思考、拼写、参差不齐的智能3.强化学习：熟能生巧、DeepSeek-R1、AlphaGo、RLHF。视频是23年十月那个视频的强化版本，讲的更加详细，即使没有技术背景也可以看懂。将提供对ChatGPT等LLM完整训练流程的直观理解，包含许多示例，并可能帮助你思考当前的能力、我们所处的位置以及未来的发展方向。下面是Gemini的详细总结，而且包含了时间轴，我也翻译了完整的视频，下载地址回复【Karpathy】获取字幕和原始视频，可以自己压制，压制完的太大了。[heading3]大型语言模型(LLM)和ChatGPT简介[content]视频目的(00:00-00:27):本视频旨在为普通受众提供一个关于大型语言模型（LLM），特别是像ChatGPT这样的模型的全面但易于理解的介绍。目标是建立思维模型，帮助理解LLM工具的本质、优势和局限性。文本框的奥秘(00:27-00:41):探讨用户与ChatGPT等LLM交互的核心界面——文本框。提出用户输入内容、模型返回文本的机制问题，以及背后对话的本质。