课程总览DAY 01

预计 150 分钟 · 软顺序学习

LLM 基础与 AI 应用全景

未开始

能解释 LLM、token、上下文窗口、Transformer / Attention、幻觉，以及 LLM 与数据库的区别。

必看资料0/4
知识小测0/5
AI 作业待提交

01 / 学习

先建立正确的判断框架

0/4 已完成

逐项打开资料并在看完后打卡。选看不影响本日通过，但适合在有余量时补充。

01
Introduction to Large Language Models Google Machine Learning Crash Course
02
LLMs: What's a large language model? Google for Developers
03
Transformers, the tech behind LLMs 3Blue1Brown
04
Intro to Large Language Models Andrej Karpathy
选看资料 · 不影响通过条件
01
Text generation OpenAI Developers

02 / 产出

写下可以被检查的答案

需 ≥ 70 分

当天任务

## Day 1 学习作业

请用自己的话各写一段，避免直接复制资料原文：

1. LLM 是什么？
2. 为什么 LLM 会产生幻觉？
3. LLM 和搜索引擎 / 数据库有什么区别？

最后用 2–3 句总结：一个可靠的 AI 产品为什么还需要 RAG、工具调用、评估与安全护栏？
验收标准

能清楚说出：LLM 基于上下文预测 token；它不天然保证事实正确，也不会自动访问私有数据。

0/12000

03 / 考核

五题概念检查

通过线 4/5

答完后立即查看解释。可以不限次数重做，系统保留最高分。

  1. 01LLM 在生成文本时最核心的机制是什么？

  2. 02上下文窗口主要限制了什么？

  3. 03LLM 幻觉最准确的描述是？

  4. 04Transformer 中 self-attention 的价值是？

  5. 05为什么不能把 LLM 当成数据库？

本日完成定义

完成资料、通过小测、拿到 70 分以上作业评分。

不需要一次完成。进度与草稿会留在此浏览器，之后可从设置页导出备份。