起源

鉴于老师留了新的任务，必须要做这块，所以我准备系统的学习一下大模型相关的东西。
老师留任务是两周一次。必须优先完成老师的任务，在那之外才是搭建学习体系。

先分析一下我们老师留的任务，看看老师想让我们做什么。

第一次：大模型部署和调用，包括本地运行
第二次：大模型api调用，实现批量数据的测试，计算指标，给出错误分析。
第三次：加入in context learning 或者检索增强，尝试解决第二次的遗留问题。
第四次：复现in context learning 或者检索增强的论文，测试效果，找一些新的测试用例测试，对代码进行要点分析&论文创新点解读。

看起来老师好像是想让我们从技术角度，使用大模型为自己做一些事，但我的代码基础和理论基础实在......
我还是觉得我需要至少补完计算机的基础课，再来看论文。
就像没有数学基础，就看不懂西瓜书一样。

开始做老师留给我的作业

首先，搜集资料

我把搜集到的资料都分类放在这里，作为后续参考：

基础课学习：

面向开发者的 LLM 入门课程
动手学大模型RAG
动手学RAG -配套文档
llm-research
动手学大模型应用开发

关于RAG：

内容介绍：
一文读懂：大模型RAG（检索增强生成） - 知乎 (zhihu.com)

RAG综述：
最新RAG综述来了！北京大学发布AIGC的检索增强技术综述！ - 知乎 (zhihu.com)

RAG有没有必要：
RAG与Long-Context之争—没必要争 - 知乎 (zhihu.com)
LLM无限上下文了，RAG（Retrieval Augmented Generation）还有意义吗？ - 知乎 (zhihu.com)

应用：
LLM（廿一）：从 RAG 到 Self-RAG —— LLM 的知识增强 - 知乎 (zhihu.com)
RAG - 知乎 (zhihu.com)
动手实现一个最小RAG——TinyRAG - 知乎 (zhihu.com)

关于in context learning

综述：
[2301.00234] A Survey on In-context Learning (arxiv.org)
上文作者维护的论文列表（好像已经不更新了）：
GitHub - dqxiu/ICL_PaperList: Paper List for In-context Learning 🌷
解读：
[论文解读]北大综述In-context Learning学习分享 - 智源社区 (baai.ac.cn)