上海交大这份大模型教程，藏得有点深 GitHub上发现一个宝藏项目，上海交大出品，叫 Dive into LLMs，11个主题全覆盖，每个模块都有课件+教程+可跑代码，不是那种看完啥也不会的纯理论。 重点来了，这11个方向： 1️⃣ 微调与部署 2️⃣ 提示学习与思维链 3️⃣ 知识编辑（让模型记住或忘掉某件事） 4️⃣ 数学推理，蒸馏迷你R1 5️⃣ 模型水印 6️⃣ 越狱攻击（怎么撬开大模型的嘴） 7️⃣ 大模型隐写 8️⃣ 多模态 9️⃣ GUI智能体，让AI替你点外卖 🔟 智能体安全 1️⃣1️⃣ RLHF安全对齐 还联合华为昇腾出了配套课程，初中高三级，有视频有实验手册。 🔗 链接:

想了解大语言模型到底是怎么工作的，找到的资料都太过于学术看不懂，或者说的太浅只讲概念，就没一个从头到尾讲清楚的内容。 无独有偶，看到 how-llms-work 这个项目，把大模型的完整流程做成了一个可视化交互网页，内容基于 Karpathy 的经典讲座整理。 从网页数据采集、分词、神经网络训练，一直到推理生成、后训练对齐，每个阶段都有直观的图示和解释，一页看完整个流程。 GitHub： 还涵盖了幻觉问题、上下文窗口、检索增强生成等进阶话题，帮我们理解模型的能力边界和实际应用方式。 想搞明白大模型从训练到对话的全过程，又不想啃学术论文，这份教程值得花十分钟看一遍。

日读论文 Prompt 技巧中的「角色扮演法」，有效，但为啥会有效呢？这篇论文给了一个解释，有意思。 ──────── The Granularity Axis: A Micro-to-Macro Latent Direction for Social Roles in LLMs 扮演非格，实是刻度 ──────── 你跟 GPT 说「你是一位忧心的家长，孩子最近沉迷手机怎么办」，它给你的答案带着具体家长的那股焦虑——「试试把手机放客厅」「和孩子聊聊他刷的都是啥」。然后你换一句：「你是世界银行行长，怎么看青少年屏幕成瘾这个全球公共健康问题」——同一个模型，瞬间换了一套口吻：跨国数据、政策杠杆、长期 GDP 影响。 这个换台的丝滑感，所有用过大模型的人都体会过。但模型脑子里究竟发生了什么？过去研究者的默认假设是：模型记住了"家长该怎么说""行长该怎么说"——每个角色对应一组语言风格的模板。如果你打开模型，应该能看到几百个角色，对应几百个独立的小堆。「扮演」就是个表面活儿——本质是模板匹配。 但 Qin 这群人翻出来的发现完全不一样。他们让模型分别"扮演"75 个角色（从最微观的"忧心的家长"到最宏观的"世界银行行长"），把每次回答时模型内部的隐藏向量都记下来，再做几何分析。结果：这 75 个角色不是几百个孤立的点——*它们排在一根直线上*。从微观到宏观，每个角色都是这根线上的一个刻度。换角色不是换一套风格模板，是沿着一把"视野远近"的尺子挪一个位置。 ──────── *"角色"不是模型的属性，是这根轴上的一个坐标。所谓"扮演谁"，本质是"挪到哪一格刻度"。* 这个洞见超出 LLM。 你在生活里"扮演角色"——CEO、父亲、咨询顾问、学生家长——之间的切换，可能也不是几百个独立模板，而是同一个你沿着几根类似的轴（粒度、时间尺度、利他度、风险偏好）调位置。模型把这件事做得这么干净，可能不是因为它特别简单，是因为它继承了人类语言里就编码了的这种结构——*我们的语言对"视野远近"这件事，本身就是个连续刻度*。