Hugging Face NLP 课程转向 LLM 课程

Hugging Face 正在将其长期的 NLP 课程重新命名为 LLM 课程，以更好地体现向大语言模型的转变，并整合诸如推理模型和微调等高级主题。此更新确保 hf.co/learn 上的教育资源能够跟上快速的 AI 突破，同时继续支持基础的 NLP 任务。

LLM 与推理模型研究的整合

LLM 课程超越传统的自然语言处理，涵盖最前沿的研究和实际实现。新章节专门讨论推理模型的开发，例如 Deepseek R1，以及 LLM 的微调。

为了确保材料易于获取且由社区驱动，Hugging Face 正在采用框架无关的方法。虽然 transformers 库仍是主要参考，但课程现在整合了多种互补工具和库，包括：

• LlamaIndex 和 LangChain 用于编排和检索。
• Unsloth 用于优化微调。
• Marimo 用于交互式笔记本。
• 来自社区专家如 Maxime Labonne 的贡献。

经典 NLP 基础的保留

尽管向 LLM 转变，Hugging Face 将保留并现代化现有的涵盖经典 NLP 任务的材料。实验室强调，LLM 并非每个应用都必需，且更简单、可本地运行且可解释的任务对学生仍然极具价值。

即将对这些经典章节的更新将包括：

• Sentence Transformers 用于嵌入和相似度任务。
• ModernBert 用于高效的基于编码器的架构。
• 对 Zero Shot classification 的更新方法。

教育形式与社区参与

课程将优先提供可靠、长期的书面材料和编码练习。然而，Hugging Face 将实施交互式练习，并为高参与度的话题举办实时会议，以实现同步学习的最佳效果。

社区成员可以通过在 Hugging Face Hub 上关注官方组织，提出交互单元建议、提议实时会议或加入开发过程，从而为课程做出贡献。