00
START HERE · 已开放 01 课
建立可复现的实验环境
确认“正在运行哪一个 Python、依赖放在哪里、怎样重复一次小实验”。之后模型输出有变化时，我们才有依据区分代码修改、数据变化、随机过程和环境差异。
THE LEARNING PATH
先实现模型，再构建应用。
七个阶段，一条完整的学习路径。
课程随学习逐步展开。
01
基础与实验环境
把数学表达变成可检查的计算
已有课程02
最小语言模型
从文本得到下一个 token 的预测
路线规划03
Transformer
让预测有选择地使用上下文
路线规划04
训练与推理
让实验可恢复、可比较、可测量
路线规划05
预训练模型、微调与评估
理解从基础模型到可用助手的变化
路线规划06
检索增强应用
让回答使用可追溯的外部资料
路线规划07
工具调用与 Agent
让模型在受控流程中完成多步任务
路线规划HOW WE LEARN
把“我懂了”，
变成可以验证的证据。
教材、实验和学习笔记一起推进。
错误的预测，也值得保留。
- 01
理解与预测
先讲清概念，用小例子推导运行结果。
- 02
动手与观察
完成一个贯穿实验，检查实际输出与边界。
- 03
解释与复盘
对照预测，留下自己的解释和新的问题。
把预测、实验结果与追问留在一起。
THE BOOKSHELF参考资料按当前课程选读，连接实现与原始资料。