本书旨在为对大语言模型感兴趣的读者系统地讲解相关基础知识、介绍前沿技术。作者团队将认真听取开源社区以及广大专家学者的建议，持续进行月度更新，致力打造易读、严谨、有深度的大模型教材。并且，本书还将针对每章内容配备相关的Paper List，以跟踪相关技术的最新进展。
本书第一版包括传统语言模型、大语言模型架构演化、Prompt工程、参数高效微调、模型编辑、检索增强生成等六章内容。为增加本书的易读性，每章分别以一种动物为背景，对具体技术进行举例说明，故此本书以六种动物作为封面。当前版本所含内容均来源于作者团队对相关方向的探索与理解，如有谬误，恳请大家多提issue，多多赐教。后续，作者团队还将继续探索大模型推理加速、大模型智能体等方向。相关内容也将陆续补充到本书的后续版本中，期待封面上的动物越来越多。
以下是当前版本的内容目录。
| 章节 | 所含内容 | ||
|---|---|---|---|
| 第 1 章：语言模型基础 | 1.1 基于统计方法的语言模型 | 1.2 基于 RNN 的语言模型 | 1.3 基于 Transformer 的语言模型 |
| 1.4 语言模型的采样方法 | 1.5 语言模型的评测 | ||
| 第 2 章：大语言模型 | 2.1 大数据 + 大模型 → 新智能 | 2.2 大语言模型架构概览 | 2.3 基于 Encoder-only 架构的大语言模型 |
| 2.4 基于 Encoder-Decoder 架构的大语言模型 | 2.5 基于 Decoder-only 架构的大语言模型 | 2.6 非 Transformer 架构 | |
| 第 3 章：Prompt 工程 | 3.1 Prompt 工程简介 | 3.2 上下文学习 | 3.3 思维链 |
| 3.4 Prompt 技巧 | 3.5 相关应用 | ||
| 第 4 章：参数高效微调 | 4.1 参数高效微调简介 | 4.2 参数附加方法 | 4.3 参数选择方法 |
| 4.4 低秩适配方法 | 4.5 实践与应用 | ||
| 第 5 章：模型编辑 | 5.1 模型编辑简介 | 5.2 模型编辑经典方法 | 5.3 附加参数法：T-Patcher |
| 5.4 定位编辑法：ROME | 5.5 模型编辑应用 | ||
| 第 6 章：检索增强生成 | 6.1 检索增强生成简介 | 6.2 检索增强生成架构 | 6.3 知识检索 |
| 6.4 生成增强 | 6.5 实践与应用 | ||
本书的不断优化，将仰仗各位读者的帮助与支持。您的建议将成为我们持续向前的动力！
所有提出issue的人，我们都列举在此，以表达我们深深的谢意。
如果有此书相关的其他问题，请随时联系我们，可发送邮件至：[email protected]。