提交智能体收藏0
H
开发框架开源模型

Happy-LLM 大模型学习教程

Happy-LLM

Datawhale 开源的大语言模型系统性学习教程，从 NLP 与 Transformer 基础讲到预训练、微调、RAG 与 Agent，并手把手搭建和训练一个小型 LLM。

An open-source Datawhale tutorial for systematically learning large language models, covering NLP and Transformer basics, pretraining, fine-tuning, RAG, and agents, with hands-on building and training of a small LLM.

— 人看过

GitHub 项目数据

GitHub ★ 34,461Fork 3,253项目指标 60/100

最近提交：2026-08-08T17:18:48Z · 许可证：未识别许可证，请查阅仓库

来源：GitHub 官方 API · 同步于 2026-10-20 16:30（北京时间）

项目官网 ↗

评分规则与适用范围

指标 v1：热度 40 分（40 × log10(Star + 1) / 6，四舍五入，上限 40）；维护活跃度 40 分（最近提交在 30/90/180/365 天内分别为 40/30/15/5 分，更久或仓库归档为 0）；识别到 SPDX 许可证 20 分。指标用于观察热度、维护时间与许可透明度，不是用户评分或功能实测，不能说明安全性、效果或商业适用性。Fork 仅展示，不参与打分。

本项目分项：热度 30，活跃度 30，许可透明度 0。缺失许可不等于没有许可，请核对原仓库。

能做什么

  • 提供从 NLP 基础概念、Transformer 架构、预训练语言模型到大语言模型的系统教程内容。
  • 指导读者基于 PyTorch 动手搭建 LLaMA2 结构的小型 LLM，并完成 Tokenizer 训练与预训练流程。
  • 介绍预训练、有监督微调以及 LoRA/QLoRA 等高效微调方法。
  • 覆盖模型评测、RAG 检索增强生成与 Agent 智能体等应用主题，并延伸介绍 GRPO、OPD、Search-R1、ReTool 等 Agentic RL 内容。
  • 提供配套模型（Base 与 SFT 版本）下载、PDF 教程与教学 PPT 资源的获取入口。

适用场景

  • 希望系统理解大模型原理与训练流程的学生、研究人员和 LLM 爱好者自学。
  • 想跟着教程复现小型 LLM 搭建、预训练与微调实践的学习者。
  • 需要了解 RAG、Agent 及 Agentic RL 入门内容的读者。

使用条件与限制

  • 建议具备 Python 编程基础，最好有深度学习与 NLP 相关背景知识。
  • 若要复现代码，需按章节准备独立的 Python 环境，并参考项目中的学习与环境准备说明；仓库按章节拆分依赖。
  • 项目内容以中文教程为主，包含部分英文说明；采用 CC BY-NC-SA 4.0 协议，限非商业性使用。

来源与收录说明

AI 整理，已通过独立来源审核，收录于 2026-10-19。资料整理不代表运行实测，具体功能与使用条件以官方说明为准。

https://github.com/datawhalechina/happy-llm ↗

这个项目对你有帮助吗？

点赞由服务器记录，收藏保存在当前浏览器