人大赵鑫教授团队大模型新书丨大语言模型（附PDF书）

关注

原创最新推荐文章于 2026-07-26 14:26:56 发布 1.2k 阅读 AI 写同款· GEO 优化 ›

《大语言模型》赵鑫 大语言模型则是一种基于Transformer 结构的神经网络模型。可以将大语言模型看作一种拥有大规模参数的函数，它的构建过程就是使用训练数据对于模型参数的拟合过程。训练过程可以分为大规模预训练和指令微调与人类对齐两个阶段。大语言模型采用了看起来非常简单的训练任务（即预测下一个词元），通过在大规模文本数据上进行无监督预训练，就能获得解决各种下游任务的通用潜力。形式化解释其原因仍然具有很大的研究挑战。阅读详情

项目背景

本课程围绕中国人民大学高瓴人工智能学院赵鑫教授团队出品的《大语言模型》书籍展开，覆盖大语言模型训练与使用的全流程，从预训练到微调与对齐，从使用技术到评测应用，帮助学员全面掌握大语言模型的核心技术。

并且，课程内容基于大量的代码实战与讲解，通过实际项目与案例，学员能将理论知识应用于真实场景，提升解决实际问题的能力。

作者：赵鑫，李军毅，周昆，唐天一，文继荣

项目受众

本课程面向希望深入掌握大模型技术的 AI 从业者，帮助其训练、优化和应用大模型以解决实际问题。同时，课程适合对人工智能前沿技术感兴趣的学生与研究人员，为其学术研究或职业发展奠定基础。此外，产品经理、技术管理者与创业者也可通过本课程了解大模型的潜力与应用，推动产品创新并优化技术战略。

学员需要具备一定的Python编程能力，熟悉PyTorch等经典深度学习框架，并具有一定的深度学习基础。

电子版PDF书籍获取

配套视频

配套PPT课件资源

为了帮助课程教学及传播大模型知识，《大语言模型》编写团队特别提供了相应的PDF课件：

内容贡献

本书各章节的主要负责人和参与人名单如下：

第三章的负责人是闵映乾和杨晨，参与人有李军毅、周昆；
第四章的负责人是张君杰、侯宇蓬和周昆；
第五章的负责人是董梓灿，参与人有田震和唐天一；
第六章的负责人是唐天一和陈昱硕；
第七章的负责人是唐天一，参与人有成晓雪；
第八章的负责人是李军毅和陈志朋；
第九章的负责人是陈昱硕、刘沛羽和唐天一，参与人有周昆；
第十章的负责人是李军毅、汤昕宇和都一凡，参与人有王晓磊；
第十一章的负责人是任瑞阳和蒋锦昊，参与人有李军毅；
第十二章的负责人是张北辰和周昆，参与人有张高玮；
第十三章的负责人是周昆，参与人（按拼音字母排序）有蒋锦昊、李依凡、刘子康、孙文奇、王禹淏、徐澜玲、杨锦霞和郑博文。

同时感谢其他参与本书编写、校对的同学，他们（按拼音字母排序）是：曹乾、曹展硕、陈杰、程伽雅琪、戴孙浩、邓欣、丁毅杰、冯雪扬、高泽峰、苟志斌、辜子惠、郭歌扬、何东楠、侯新铭、胡译文、李炳黔、李成远、李欣潼、刘恩泽、刘炯楠、刘子涵、罗文扬、梅朗、欧柯杉、彭涵、阮恺、苏炜航、孙一丁、汤奕如、王家鹏、王磊、王淑婷、姚峰、尹彦彬、詹玉梁、张景森、张良、朱天宇和朱余韬。

本书在编写过程得到了中国人民大学大型科学仪器共享平台的算力资源支持，在此对于陈跃国、鲁蔚征、石源三位老师表示衷心的感谢。

反馈与引用

欢迎反馈

本书的初版仅是一个起点，作者团队计划在网上持续进行内容的更新和完善，并特别欢迎读者提出宝贵的批评与建议，也会同步在网站上对于提出宝贵建议的读者进行致谢。如果您有任何意见、评论以及建议（先确认最新版本中是否已经修正），请通过GitHub的Issues页面进行反馈，或通过邮件发送至作者邮箱batmanfly at qq.com，lijunyi at ruc.edu.cn，francis_kun_zhou at ruc.edu.cn，steventianyitang at outlook.com。