
一、时代基石
构成整个大语言模型时代的根基,是理解一切的前提。
1. 生成式AI (Generative AI)

2. Transformer架构 (Transformer Architecture)

3. 基础模型 (Foundation Models)

4. 预训练与微调 (Pre-training & Fine-tuning)

5. Tokenization (分词/令牌化)

6. Embedding (嵌入)

二、应用前沿与能力边界
当前最热门的应用范式,直接决定了LLM的实用价值和发展方向。
7. 检索增强生成 (Retrieval-Augmented Generation, RAG)

8. 智能体 (AI Agents)

9. 多模态 (Multimodality)

10. 长上下文 (Long Context)

11. 工具/函数调用 (Tool / Function Calling)

12. 推理 (Reasoning)

13. 上下文学习 (In-Context Learning, ICL)

14. 零样本/少样本学习 (Zero-shot / Few-shot Learning)

三、效率、优化与生态
让LLM更便宜、更快、更易于定制,并催生了繁荣的生态系统。
15. 参数高效微调 (PEFT) 与 LoRA

16. 混合专家模型 (Mixture of Experts, MoE)

17. 模型量化 (Quantization)

18. 开源模型 (Open-Source Models)

19. 向量数据库 (Vector Databases)

20. 知识蒸馏 (Knowledge Distillation)

21. 缩放定律 (Scaling Laws)

四、核心技能、安全与评估
有效使用和可信赖部署LLM所必须关注的领域。
22. 提示工程 (Prompt Engineering)

23. AI对齐 (AI Alignment)

24. AI幻觉 (AI Hallucination)

25. 结构化输出 (Structured Output)

26. 安全与防护 (Security & Guardrails)

27. 基准测试 (Benchmarks)

28. 数据合成 (Synthetic Data Generation)

29. 多智能体系统 (Multi-Agent Systems)

30. GraphRAG (知识图谱增强生成)

31. 推理优化 (Inference Optimization)










暂无评论内容