Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
| Date | Stars |
|---|---|
| 2026-07-31 | 677 |
| 2026-08-04 | 676 |
| 2026-08-06 | 676 |
Today
— stars today
This week
— stars this week
This month
— stars this month
Momentum
0.0
growth rate 0.00%/day
<div align="center"> # 🧠 Teaching Boyfriend LLM <p> <a href="https://github.com/zhushiyun88/teaching-boyfriend-llm"><img alt="GitHub stars" src="https://img.shields.io/github/stars/zhushiyun88/teaching-boyfriend-llm?style=flat-square&logo=github"></a> <a href="https://github.com/zhushiyun88/teaching-boyfriend-llm/fork"><img alt="GitHub forks" src="https://img.shields.io/github/forks/zhushiyun88/teaching-boyfriend-llm?style=flat-square&logo=github"></a> <a href="https://github.com/zhushiyun88/teaching-boyfriend-llm/issues"><img alt="GitHub issues" src="https://img.shields.io/github/issues/zhushiyun88/teaching-boyfriend-llm?style=flat-square&logo=github"></a> </p> **「教男朋友学LLM」** 一份系统性的大语言模型学习指南 从LLM基础原理到前沿技术，涵盖预训练、微调、RAG、Agent、推理优化等核心知识 </div> --- ## 📖 目录 - [项目介绍](#-项目介绍) - [学习路线](#-学习路线) - [核心内容](#-核心内容) - [一、LLM 基础原理](#一llm-基础原理) - [二、模型微调 Fine-tuning](#二模型微调-fine-tuning) - [三、强化学习与对齐 RLHF](#三强化学习与对齐-rlhf) - [四、RAG 检索增强生成](#四rag-检索增强生成) - [五、Agent 智能体](#五agent-智能体) - [六、LangChain 框架](#六langchain-框架) - [七、分布式训练](#七分布式训练) - [八、推理优化](#八推理优化) - [九、Long Context 长上下文](#九long-context-长上下文) - [十、Embedding & 向量检索](#十embedding--向量检索) - [十一、前沿模型技术报告](#十一前沿模型技术报告) - [十二、提示工程 Prompt Engineering](#十二提示工程-prompt-engineering) - [十三、其他高级主题](#十三其他高级主题) - [贡献指南](#-贡献指南) - [Star 趋势](#-star-趋势) --- ## 🌟 项目介绍 这是一份**系统性**的大语言模型 (LLM) 学习资料库，旨在帮助初学者从零开始理解 LLM 的核心原理与前沿技术。 ### ✨ 项目特点 - 📚 **系统全面** - 覆盖从基础到进阶的完整知识体系 - 🎯 **循序渐进** - 按日期顺序编排，学习路径清晰 - 💡 **深入浅出** - 复杂概念用通俗易懂的方式讲解 - 🔥 **紧跟前沿** - 包含 DeepSeek、Qwen、GPT-o3 等最新技术解读 - 🛠️ **理论+实践** - 原理讲解与代码实现相结合 ### 👥 适用人群 - 🎓 想要入门 LLM 领域的开发者 - 💼 准备转型 AI/LLM 方向的工程师 - 📖 希望系统学习大模型知识的学生 - 🔬 需要快速了解前沿技术的研究者 --- ## 📚 核心内容 ### 一、LLM 基础原理 > 🔖 **难度：⭐⭐ | 推荐优先级：必学** | 文档 | 核心内容 | |------|---------| | [0514 LLM训练流程与tokenizer](0514LLM训练流程与tokenizer.pdf) | LLM 训练的完整流程、Tokenizer 的原理与实现 | | [0515 Self Attention与KV Cache](0515self%20Attention与kv%20cache.pdf) | 自注意力机制原理、KV Cache 加速推理 | | [0516 位置编码](0516位置编码.pdf) | 绝对位置编码、相对位置编码、RoPE | | [1013 位置编码](1013位置编码.pdf) | 位置编码进阶讲解 | | [0518 Normalize与Decoding方法](0518Normalize与decoding的方法.pdf) | LayerNorm、RMSNorm、各种解码策略 | | [0520 LLaMA3](0520llama3.pdf) | LLaMA3 模型架构详解 | | [0607 学习率](0607学习率（learning%20rate）.pdf) | 学习率调度策略、Warmup、Cosine Decay | | [预训练](预训练.pdf) | 大模型预训练完整流程 | | [为什么大模型都是 Decoder-only 架构](25-0502%202025了，如何回答"为什么现在的大模型都是decoder-only的架构".pdf) | Decoder-only 架构优势分析 | ### 二、模型微调 Fine-tuning > 🔖 **难度：⭐⭐⭐ | 推荐优先级：必学** | 文档 | 核心内容 | |------|---------| | [0522 PEFT 参数高效微调](0522PEFT（Parameter-Efficient%20Fine-Tuning%20）.pdf) | PEFT 概述、各种高效微调方法对比 | | [0601 指令微调](0601指令微调.pdf) | Instruction Tuning 原理与实践 | | [0605 指令微调数据集](0605指令微调数据集.pdf) | 高质量指令数据集构建方法 | | [0613 LoRA](0613%20lora.pdf) | Low-Rank Adaptation 原理与实现 | | [0618 AdaLoRA](0618%20Adalora.pdf) | 自适应 LoRA 参数分配 | | [0622 Quantization](0622Quantization.pdf) | 模型量化技术：INT8/INT4 量化 | | [0623 QLoRA](0623Qlora.pdf) | 量化 + LoRA 联合优化 | | [0704 PTQ](0704PTQ.pdf) | Post-Training Quantization 训练后量化 | ### 三、强化学习与对齐 RLHF > 🔖 **难度：⭐⭐⭐⭐ | 推荐优先级：进阶必学** #### 3.1 强化学习基础 | 文档 | 核心内容 | |------|---------| | [0720 强化学习1 - MDP与贝尔曼方程](0720强化学习1-马尔可夫决策过程和贝尔曼方程.pdf) | 马尔可夫决策过程、贝尔曼方程 | | [0723 强化学习2 - 策略迭代](0723强化学习2-策略迭代.pdf) | 策略迭代、值迭代算法 | | [0806 强化学习3 - 蒙特卡洛方法](0806强化学习3蒙特卡洛方法.pdf) | MC 方法、TD 方法 | #### 3.2 对齐算法 | 文档 | 核心内容 | |------|---------| | [0816 DPO](0816DPO.pdf) | Direct Preference Optimization | | [0819 PPO](0819PPO.pdf) | Proximal Policy Optimization | | [25-0316 PPO 演化历程](25-0316PPO是怎么从Policy%20gradient演化而来的.pdf) | 从 Policy Gradient 到 PPO | | [25-0321 RLHF](25-0321RLHF.pdf) | RLHF 完整流程详解 | | [25-0401 DPO](25-0401DPO.pdf) | DPO 进阶讲解 | | [25-0401 GRPO](25-0401GRPO.pdf) | Group Relative Policy Optimization | | [25-0401 DAPO](25-0401DAPO.pdf) | Diffusion-based Alignment | | [GFPO](GFPO.pdf) | Guided Flow Policy Optimization | | [GSPO](GSPO：从token级到序列级优化的范式转变.pdf) | 从 Token 级到序列级优化 | | [SAPO](SAPO.pdf) | Self-Alignment Policy Optimization | | [大模型强化学习中的熵机制](大模型在强化学习中探
Excerpt of 11,623 characters
Read on GitHub
25
19
Would you bet a product on this? Bounded 0–100 and slow moving.
matched fp:928a1211213adc22, llm:No README, no topics, unknown language, repository name 'teaching-boyfriend-llm' suggests an LLM project possibly for conversational/agent or fine-tuning chatbot behavior.
matched fp:928a1211213adc22, llm:No README, no topics, unknown language, repository name 'teaching-boyfriend-llm' suggests an LLM project possibly for conversational/agent or fine-tuning chatbot behavior.
matched fp:928a1211213adc22, llm:No README, no topics, unknown language, repository name 'teaching-boyfriend-llm' suggests an LLM project possibly for conversational/agent or fine-tuning chatbot behavior.
