动手学大模型

动手学大模型简介

动手学大模型是一套开源的编程实践教程，由上海交通大学2024年春季《人工智能安全技术》（NIS3353）课程的拓展内容整理而来，目标是给初学者一条清晰、可上手的大模型入门路径。它不追求面面俱到的理论铺陈，而是把知识点拆进可运行的代码里，让学习者在动手过程中理解模型是怎么被微调、被约束、被攻破又被加固的。内容从基础微调、提示工程起步，一路延伸到模型对齐、越狱攻击、隐写术、多模态建模以及 GUI 智能体开发等更前沿的方向，既适合刚接触大语言模型的学生，也适合希望把想法快速落到代码上的开发者和研究人员。

• 项目地址：https://github.com/Lordog/dive-into-llms

内容方向与学习重点

• 从零到实战：以具体案例驱动学习，帮助读者绕过论文里的抽象表述，在动手调试中建立对大模型的直观认识。
• 安全视角鲜明：除常规实现外，还专门讨论语言模型水印的嵌入与检测、越狱攻击的原理与防御等安全与对齐议题。
• 多模态拓展：纳入 ImageBind 模型以及音频、视频、图像扩散模型的应用示例，呈现多模态大模型的前沿做法。
• 完全公益开源：教程免费公开，在 GitHub 上已积累 1.6K+ 星标，属于中文大模型学习资源中较为系统完整的一套。

适合人群与使用建议

• 入门学习者：有一定 Python 基础、想系统认识大语言模型的同学，可以顺着章节顺序逐节推进。
• 课程学生：正在修读人工智能安全相关课程的人，可把它当作配套的实验材料来用。
• 研发实践者：需要验证微调、对齐或攻击防御思路的开发者与研究者，能从中直接参考实现逻辑。

如果你不想停留在概念层面，而是想通过真正跑一遍代码去理解大模型的训练、微调与安全边界，这套教程提供的路线相对完整：从基础任务起步，逐步过渡到模型对齐、安全攻防与多模态等进阶主题，跟着做下来会有一份属于自己的实践积累。