1-大模型（LLMs）基础面.pdf
2-Layer normalization 篇.pdf
3-LLMs 激活函数篇.pdf
4-Attention 升级面.pdf
5-transformers 操作篇.pdf
6-LLMs 损失函数篇.pdf
7-相似度函数篇.pdf
8-大模型（LLMs）进阶面.pdf9-大模型（LLMs）微调面.pdf
10-LLMs 训练经验帖.pdf
11-大模型（LLMs）langchain 面.pdf
12-多轮对话中让AI保持长期记忆的8种优化方式篇.pdf
13-基于langchain RAG问答应用实战.pdf
14-基于LLM+向量库的文档对话 经验面.pdf
15-大模型 RAG 经验面.pdf
16-LLM文档对话——pdf解析关键问题.pdf
17-大模型（LLMs）RAG 版面分析——表格识别方法篇.pdf
18-大模型（LLMs）RAG版面分析--文本分块面.pdf
19-大模型外挂知识库优化——如何利用大模型辅助召回？.pdf
20-大模型外挂知识库优化——负样本样本挖掘篇.pdf
21-RAG（Retrieval-Augmented Generation）评测面.pdf
22-检索增强生成（RAG）优化策略篇.pdf
23-大模型（LLMs）RAG——关键痛点及对应解决方案.pdf
24-大模型（LLMs）RAG 优化策略—RAG-Fusion篇.pdf
25-Graph RAG 面—一种 基于知识图谱的大模型检索增强实现策略.pdf
26-大模型（LLMs）参数高效微调（PEFT）面.pdf
27-适配器微调（Adapter-tuning）篇.pdf
28-提示学习（Prompting）篇.pdf
29-LoRA 系列篇.pdf
30-如何使用 PEFT库 中 LoRA？.pdf
31-大模型（LLMs）推理面.pdf
32-大模型（LLMs）增量预训练篇.pdf
33-增量预训练（Pretrain）样本拼接篇.pdf
34-基于lora的llama2二次预训练.pdf
35-大模型（LLMs）评测面.pdf
36-大模型（LLMs）强化学习面.pdf
37-大模型（LLMs）强化学习--RLHF及其变种面.pdf
38-大模型（LLMs）强化学习--PPO面.pdf
39-强化学习在自然语言处理下的应用篇.pdf
40-大模型（LLMs）训练集面.pdf
41-大模型（LLMs）LLM生成SFT数据方法面.pdf
42-大模型（LLMs）显存问题面.pdf
43-显存优化策略篇.pdf