中国人民大学团队发布的《A Survey of Large Language Models》综述论文在业界引起广泛关注，随后推出了中文书籍。该书共 391 页，涵盖大模型基础、预训练、微调、提示词工程、智能体及应用等五大板块。适合具备深度学习基础的高年级本科生和研究生阅读。书中包含 LLaMA 系列进化图、混合专家模型详解及多领域代表性模型介绍。配套提供 LLMBox 工具库及 YuLan 模型资源，旨在为初学者提供全面的技术框架指引。文章进一步梳理了从基础理解到私有化部署的系统学习路径，帮助开发者掌握 AI 工具的核心技能。
2023 年 3 月，来自中国人民大学的团队在 arXiv 上发表了大模型综述论文《A Survey of Large Language Models》。该论文迅速在学术界和工业界引起广泛关注，成为了解大语言模型技术体系的重要参考资料。
![图示：大模型综述论文封面]
随着技术的快速迭代，该综述不断更新，目前已更新至第 13 个版本，正文内容达 83 页，收录参考文献 900 余篇。基于此综述的中文翻译版于 2023 年 8 月发布。为了更好地服务中文社区，团队于 2023 年底启动中文书籍编写工作，并于 2024 年 4 月完成初稿。
该书共 391 页，包含 447 篇参考文献。其目标读者为具备一定深度学习知识的高年级本科生和低年级研究生，旨在为对大模型技术感兴趣的初学者提供全面介绍，展示整体框架和发展方向。
![图示：书籍目录结构]
全书内容分为五大核心部分：
书中整理了大量精彩的数据与解读，帮助读者理解技术演进脉络。
针对开源生态中影响深远的 LLaMA 系列，书中详细梳理了其衍生工作的进化图，展示了从基座模型到指令微调版本的演变路径，以及后续社区改进模型的分支情况。
混合专家模型作为提升模型效率的关键架构之一，书中对其进行了详细介绍，包括稀疏激活机制、路由算法及在实际训练中的挑战与解决方案。
针对当下热门的智能体技术，书中探讨了 Agent 的定义、规划能力、记忆机制及工具调用方式，分析了其在自动化任务执行中的潜力。
书中还列举了各专业领域内代表性的大语言模型与数据资源，涵盖了医疗、法律、金融等场景下的专用模型特点。
为了支持大模型技术的开发与传播，官方提供了以下相关资源：
LLMBox 是一个全面的代码工具库，专门用于开发和实现大语言模型。它基于统一化的训练流程和全面的模型评估框架，旨在成为训练和利用大语言模型的一站式解决方案。其内部集成了大量实用功能，实现了训练和利用阶段高度的灵活性和效率。
YuLan 系列模型是中国人民大学高瓴人工智能学院师生共同开发的支持聊天的大语言模型。最新版本从头完成了整个预训练过程，并采用课程学习技术基于中英文双语数据进行有监督微调，包括高质量指令和人类偏好数据。
在大模型时代，掌握 AI 工具已成为技术人的核心竞争力。针对自学遇到困难的开发者，以下梳理了系统的学习脉络，结合书籍内容与行业实践，划分为四个阶段：
目标：了解 AI 大模型的基本概念、发展历程和核心原理。
核心内容：
目标：掌握 AI 大模型 API 的使用和开发，以及相关的编程技能。
核心内容：
目标：深入理解 AI 大模型的应用架构，并能够进行私有化部署。
核心内容：
目标：掌握多种 AI 大模型的私有化部署，包括多模态和特定领域模型。
核心内容：
通过上述学习路径，读者可以逐步建立起对大模型技术的系统性认知，从理论理解到工程实践，最终具备独立开发和应用大模型的能力。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
