《斯坦福CS336》作业开源，含讲解视频，带你从0手搓大模型｜硬核教程

人工智能领域，斯坦福CS336课程（全称：CS 336 - Foundations of Large Language Models and Their Applications）被许多学习者视为“大模型学习的必修课”，不仅因为课程本身由一流学者讲授，更因为它以从零构建大语言模型为主线，让学习者真正看清楚大模型的底层运作机制。

然而，想要完全靠自学啃下这门课程，并不容易：

• 难度高：课程作业要求从零实现完整的模型组件，对基础和细节的掌握缺一不可；
• 资料分散：公开的讲义和参考代码碎片化严重，缺乏连贯的学习路径；
• 算力需求大：很多人被运行环境和训练成本卡住。

也正因如此，不少学习者虽然知道CS336的价值，但很难坚持学完。为了解决这些痛点，和鲸社区启动CS336课程作业复现计划：

• 把课程作业完整地实现并公开，降低学习门槛；
• 让学习者可以直接在社区中运行、修改、交流；
• 配备视频讲解，更加直观易懂。

今天，我们先来看由和鲸社区优秀创作者@天海一直在AI 复现的大作业一：从分词到完整Transformer的实现与实验。

创作者主页：https://www.heywhale.com/u/9f9a05

👆作业复现项目见“和鲸社区”（下文附网址）

🎬 视频讲解见：b站“天海一直在AI”

作业一复现项目概览

在大作业一中，学习者需要完成从“文本输入”到“模型训练与生成”的完整链路。和鲸社区的复现涵盖了五大模块，每一步都能运行、可验证、可扩展：

1. 分词（Tokenization）

语言模型的第一步，是把自然语言切分成模型可处理的“Token”。作业复现项目从零实现字节级BPE分词器，并阐述了其相比字符级和词级分词的优势。具体来说有以下亮点：

• BPE算法实现：重点实现当前主流的字节级BPE算法，理解其如何从256个基础字节构建出上万规模的词汇表；
• 跨语言支持：基于UTF-8字节单元构建，天然兼容多语言与表情符号，规避OOV问题；
• **跨数据集验证：**在TinyStories和OpenWebText上训练与测试BPE分词器，分析其泛化能力与压缩效率；
• 可逆编解：支持编码与解码全流程，便于调试与下游任务集成。

该项目不仅夯实数据预处理基础，更通过实验揭示“分词方式如何影响模型上限”，是理解语言模型起点的关键一环。

💻分词作业复现项目地址：

• 网页：https://www.heywhale.com/u/a63533（复制至浏览器打开）
• 小程序：CS336作业1复现——Tokenization

👈左滑查看更多

2. Transformer基础实现

这是作业的重头戏。复现项目从零搭建了Transformer的核心模块，实现“手动拼装”大模型核心引擎。具体来说有以下亮点：

• 自注意力：从头实现因果多头自注意力机制，包括QKV计算、掩码处理与输出投影；
• 位置编码：实现可学习的位置嵌入层，为模型注入序列顺序信息；
• 前馈结构：实现RMSNorm+SwiGLU前馈网络，增强表达力与稳定性；
• 模块测试：采用模块化设计，每层可独立验证，降低学习门槛。

通过亲手实现每一层，学习者得以穿透框架黑箱，深入理解Transformer的运作机制。

💻Transformer作业复现项目地址：

• 网页：https://www.heywhale.com/u/10f21e（复制至浏览器打开）
• 小程序：CS336作业1复现——Transformer

👈左滑查看更多

3. 训练Transformer语言模型（Transformer LM）

这是承上启下的关键环节。项目构建完整的训练基础设施，涵盖损失函数、优化器与训练循环，打造可运行的端到端训练系统。具体来说有以下亮点：

• 损失实现：手动编写数值稳定的交叉熵损失，处理softmax溢出问题；
• 优化器：从头实现AdamW，包含动量、自适应学习率与权重衰减；
• 梯度控制：引入梯度裁剪，防止深层网络训练崩溃；
• 学习率：采用warmup + 余弦衰减策略，提升收敛效率与稳定性；
• 训练监控：建立实验日志系统，记录并追踪loss随训练步数和时间的变化，用于分析模型收敛情况。

这一部分可以让学习者体会到“代码能学会语言”，并通过可视化验证训练是否成功，为后续的生成与实验打下基础。

💻Transformer LM作业复现项目地址：

• 网页：https://www.heywhale.com/u/ae8d62（复制至浏览器打开）
• 小程序：CS336作业1复现——Transformer LM

👈左滑查看更多

4. 训练与生成（Training & Generation）

在有了模型架构后，复现项目实现了可运行的训练循环，并让模型真正“开口说话”。具体来说有以下亮点：

• 端到端：整合数据加载、训练循环与检查点保存，支持断点续训；
• 文本生成：实现基于采样的自回归生成，输入提示即可续写文本；
• 效果演进：对比不同训练阶段的生成结果，形成“loss↓→ 文本↑”的直观反馈。

更重要的是，这套训练与生成代码可以在社区环境直接运行，即便算力有限，也能快速看到模型收敛的过程。

💻Training&Generation作业复现项目地址：

• 网页：https://www.heywhale.com/u/e73b28（复制至浏览器打开）
• 小程序：CS336作业1复现——训练与生成

👈左滑查看更多

5. 实验与验证（Experiments）

在完成模型构建与训练后，复现进一步展开了系统实验，探索不同超参数设置对模型性能的影响。具体来说有以下亮点：

• 超参探索：系统性地进行实验，对比不同学习率和batch size对模型训练稳定性、收敛速度和最终性能的影响；
• 定量评估：使用困惑度（Perplexity）等指标客观衡量模型质量；
• 分词实验：跨数据集测试BPE行为，分析长token成因与泛化能力；
• 记录复盘：保留参数、曲线与结果，支持迭代优化与对比分析。

这一部分不仅教会“怎么做”，更强调“怎么验证”，为后续独立研究与工程调优打下坚实基础。

💻Experiments作业复现项目地址：

• 网页：https://www.heywhale.com/u/f1ef9f（复制至浏览器打开）
• 小程序：CS336作业1复现——Experiments

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！