✅ Chapter 1: Introduction to Language Models

LLM 简介与发展脉络，掌握 transformer 架构核心原理。

🧱 Chapter 2: Tokens and Embeddings

学习 tokenizer、词向量、embedding 构建方式。

🔍 Chapter 3: Looking Inside Transformer LLMs

拆解 Transformer 内部结构，探究 attention 运作机制。

🏷️ Chapter 4: Text Classification

使用 LLM 进行文本分类任务，涵盖 fine-tune 与推理两种方式。

🧠 Chapter 5: Text Clustering and Topic Modeling

聚类与主题建模实践，结合 embedding 进行语义理解。

✍️ Chapter 6: Prompt Engineering

手把手教你如何设计高质量 Prompt，提升 LLM 输出准确率。

🔁 Chapter 7: Advanced Text Generation

探索 beam search、top-k、temperature 等生成技巧。

🔎 Chapter 8: Semantic Search and RAG

结合向量数据库实现语义搜索与检索增强生成（RAG）。

🖼️ Chapter 9: Multimodal Large Language Models

文本 + 图像等多模态 LLM 的实践案例。

🔢 Chapter 10: Creating Text Embedding Models

自定义训练 text embedding 模型，掌握向量化底层原理。

🧪 Chapter 11: Fine-tuning for Classification

微调 BERT 等 encoder 模型进行分类任务。

🎯 Chapter 12: Fine-tuning Generation Models

使用 LoRA、PEFT 等技术微调生成类模型如 GPT。