LLMForEverybody — 学习大模型的一站式资料库

项目是什么

这是一个面向大语言模型（LLM）学习者的开源资料库，配套网站为 LearnLLM.AI。项目的核心口号是“Learning LLM is all you need”，即“学习大模型，从这里开始”。

包含哪些内容

1. 精选大模型面试题库

覆盖从基础到前沿的实战题目，用于备战求职面试。

2. 系统化论文研读

从 2017 年的 Transformer 奠基论文出发，按知识体系梳理技术演进。README 中列出了 30 余篇论文，每篇都配有简介、视频讲解和网站学习链接。论文时间跨度从 2017 年到 2025 年，包括：

• 基础架构：Transformer、GPT-1、BERT、GPT-2、T5、GPT-3
• 视觉与多模态：ViT、ViLT、CLIP、DALL·E 1、DALL·E 2、LLaVA、Qwen-VL、LVM
• 代码与语音：CodeX、AlphaCode、Whisper
• 生成模型：Stable Diffusion
• 对齐与微调：InstructGPT
• 开源模型系列：LLaMA-1/2/3、Mistral 7B、Mixtral 8x7B、Gemma 1/2/3、DeepSeek-V2/V3/R1、ChatGLM、Qwen 1

3. 精选实战课程

围绕 AI Agent、RAG 知识库、大模型微调与 LLM 应用开发等方向，提供中文实战课程，覆盖 LangChain、LlamaIndex、Dify、MCP 等主流工具链，配套项目代码与讲师答疑。

4. “AGI 之路”系统文章

这是项目的主体内容，按章节组织，共 11 章：

章节	主题
序	AGI 之路（含大模型年度论文总结、Scaling Law、智能涌现等）
第一章	大模型之 Pre-Training（架构、优化器、激活函数、Attention、位置编码、Tokenizer、并行策略、训练框架）
第二章	大模型之部署与推理
第三章	大模型微调
第四章	大模型量化
第五章	显卡与大模型并行
第六章	Prompt Engineering
第七章	Agent（含 RAG）
第八章	大模型企业落地
第九章	大模型评估指标
第十章	热点
第十一章	数学

每章下包含多篇具体文章，例如：

• 优化器系列（SGD、Momentum、Adam、AdamW 等 12 篇）
• 激活函数系列（Sigmoid、ReLU、GELU、SwiGLU 等 6 篇）
• Attention 机制（FlashAttention、Multi-Query Attention、MLA 等）
• 位置编码（RoPE、欧拉公式等）
• Tokenizer 分词器系列（6 篇）
• 并行策略（数据并行、流水线并行、张量并行等）
• 训练框架（FSDP、DeepSpeed、Megatron-LM、Accelerate）
• 推理框架（vLLM、TGI、TensorRT-LLM、Ollama）
• 微调方法（LoRA、QLoRA、AdaLoRA、P-Tuning、Prefix-Tuning 等）

配套资源

• 网站：LearnLLM.AI（提供课程、论文学习路径）
• 视频教程：Bilibili 和 YouTube 持续更新
• 优惠码：为 GitHub 用户提供专属优惠码 GITHUB50
• 社区：微信公众号、知乎、CSDN、掘金

语言支持

项目提供中文、英文、俄文三种语言版本。

适合谁

根据内容结构，适合不同基础的开发者：从零开始了解大模型原理的初学者，到准备求职面试、需要系统提升的开发者，再到需要实战课程（Agent、RAG、微调）的从业者。