Hugging Face NLP 課程轉型為 LLM 課程

Hugging Face 正將其長期以來的 NLP 課程重新命名為 LLM 課程，以更好地反映向大型語言模型的轉變，並整合推理模型與微調等進階主題。此更新確保 hf.co/learn 上的教育資源能與快速的 AI 突破保持同步，同時持續支援基礎的 NLP 任務。

LLM 與推理模型研究的整合

LLM 課程的範圍超越傳統自然語言處理，涵蓋最前沿的研究與實作。新章節特別探討推理模型的開發，例如 Deepseek R1，以及 LLM 的微調。

為確保教材易於取得且由社群驅動，Hugging Face 正朝向框架無關的方式前進。雖然 transformers 函式庫仍是主要參考，但課程現在整合了多種互補工具與函式庫，包括：

• LlamaIndex 與 LangChain 用於編排與檢索。
• Unsloth 用於最佳化微調。
• Marimo 用於互動式筆記本。
• 來自社群專家如 Maxime Labonne 的貢獻。

維持傳統 NLP 基礎

儘管轉向 LLM，Hugging Face 仍會保留並現代化現有涵蓋傳統 NLP 任務的教材。實驗室強調，LLM 並非每個應用都必須，較簡單、可在本地執行且具可解釋性的任務對學生仍具高度價值。

即將對這些傳統章節的更新將包括：

• Sentence Transformers 用於嵌入與相似度任務。
• ModernBert 用於高效的編碼器架構。
• 更新的 Zero Shot classification 方法。

教育形式與社群參與

課程將優先提供可靠、長期的書面教材與程式練習。然而，Hugging Face 會實作互動練習，並針對高參與度主題舉辦即時直播課程，以達到同步學習的最佳效果。

社群成員可透過在 Hugging Face Hub 上關注官方組織，提出互動單元建議、提案直播課程，或加入開發流程，為課程貢獻力量。