信息熵：抛三次硬币，看懂语言模型凭什么把文本压短
📍 你在这里 AI 基础 · 第 13 篇 / 共 13 篇 ← 上一篇 精读 So-Large-LM：大模型到底从哪一步开始变得不一样 · 下一篇 → 检索增强生成 RAG 本文性质：开源教程精读与导读，非原文转载。内容基于 Datawhale 社区开源教程整理，属于个人学习笔记。 原文来源：《大
# Datawhale
围绕 Datawhale 的技术文章与经验分享。
共 5 篇文章精读 So-Large-LM（二）：从分词到架构，再拆开智能体
📍 你在这里 AI 应用 · 第 8 篇 / 共 8 篇 ← 上一篇 IndexTTS：工业级零样本语音合成项目解析 · 下一篇 → PyTorch 基础环境安装 本文性质：开源教程精读与导读，非原文转载。内容基于 Datawhale 社区开源教程整理，属于个人学习笔记。 原文来源：《大模型基础》第
精读 Happy-LLM：从看懂原理到亲手搭一个大模型
📍 你在这里 训练进阶 · 第 9 篇 / 共 9 篇 ← 上一篇 精读 self-llm：第一次把开源大模型跑在自己电脑上 本文性质：开源教程精读与导读，非原文转载。内容基于 Datawhale 社区开源教程整理，属于个人学习笔记。 原文来源：《Happy-LLM：从零开始构建大模型》 — Dat
精读 self-llm：第一次把开源大模型跑在自己电脑上
📍 你在这里 训练进阶 · 第 8 篇 / 共 9 篇 ← 上一篇 大模型知识蒸馏：原理、方法与作用 · 下一篇 → 精读 Happy-LLM：从看懂原理到亲手搭一个大模型 看了一堆原理文章之后，多数人卡在同一个地方，不知道怎么让自己电脑上真的跑起一个模型。self-llm 就是给这个环节准备的，它
精读 So-Large-LM：大模型到底从哪一步开始变得不一样
📍 你在这里 AI 基础 · 第 12 篇 / 共 13 篇 ← 上一篇 自然语言处理 · 下一篇 → 信息熵：抛三次硬币，看懂语言模型凭什么把文本压短 如果你已经读过本站的 人工智能简史 和 AI 是怎么工作的，脑子里大概有两件事，一是这条路走了七十年，二是大模型在做的事就是预测下一个词，无论外壳