?

第一天：LLM原理、平臺與應用基礎

1. LLM概述與最新進展

·?1.1 LLM的定義與發展歷程

·?1.2 典型模型（GPT、LLaMA、GLM、PaLM 等）簡述

·?1.3 LLM產業趨勢與應用價值

2. LLM基礎原理剖析

·?2.1 Transformer架構原理

·?2.2 訓練方式：預訓練、微調與指令微調

·?2.3 模型能力邊界與局限

3. 主流LLM平臺和生態了解

·?3.1 開源LLM（LLaMA、ChatGLM、Mistral等）

·?3.2 商業平臺（OpenAI、百度、阿里、訊飛等）

·?3.3 LLM應用接入流程：API與本地部署

4. LLM典型應用體驗

·?4.1 問答系統、文檔摘要

·?4.2 長文本處理與對話生成

·?4.3 代碼生成等垂直領域應用

5. LLM提示詞工程（Prompt Engineering）基礎

·?5.1 有效提示詞設計要點

·?5.2 不同任務的Prompt示例

·?5.3 Prompt調優與產出優化實踐

?

?

第二天：LLM開發、微調與項目實戰

6. LLM開發與微調實操

·?6.1 LLM開發技術棧、開發環境搭建

·?6.2 Hugging Face Transformers等主流框架入門

·?6.3 LoRA等主流微調方法

·?6.4 微調實戰流程：數據準備、訓練、評估

7. LLM高效推理與服務部署

·?7.1 推理優化與加速方法

·?7.2 API封裝與在線推理服務

·?7.3 本地化部署與開源方案介紹

8. LLM在企業實際落地案例

·?8.1 智能客服/知識庫

·?8.2 行業文檔自動處理

·?8.3 私有化大模型與行業定制

9. LLM內容安全與合規

·?9.1 生成內容風險與防護

·?9.2 數據安全、隱私保護及合規策略

10. 項目實戰與經驗交流

?