Datawhale开源黑板报20240310期

[Sm1les]

💥 最新动态：
【self-llm】：https://github.com/datawhalechina/self-llm
更新deepseek-coder 6.7b colab 微调及webdemo

【llms-from-scratch-cn】：https://github.com/datawhalechina/llms-from-scratch-cn
LLMs-from-scratch目前已完成初版（对应《Build a Large Language Model (From Scratch)》前4章），欢迎大家star~

【so-large-lm】：https://github.com/datawhalechina/so-large-lm
🤖探索大模型的前沿：一站式学习指南

在人工智能领域的迅猛发展中，大规模预训练模型已经成为了研究和应用的重心。我们的项目，大模型理论基础，致力于打造一个全面的教程，从模型的能力、架构到训练方法，从分布式训练的策略到模型的有害性分析，再到大模型的法律和环境考量，我们全面覆盖了大模型领域的关键知识点，旨在为您提供一个系统、深入的学习路径。

本项目借鉴斯坦福大学大规模语言模型课程和李宏毅生成式AI课程的精华，结合开源社区的力量，旨在提供一个持续更新的、理论与实践并重的学习资源。

👩🏻项目受众：我们的内容面向人工智能、自然语言处理和机器学习领域的研究者和从业者，以及所有对大型语言模型感兴趣的学术界和产业界人士。无论您是想深入了解大模型的理论基础，还是希望参与开源项目并实践学习，本项目都将是您的理想选择。

🏭亮点与特色：

• 及时性：紧跟大模型的最新发展，提供最前沿的知识和实践经验。
• 可持续性：随着技术进步，本项目将持续更新，确保内容的时效性和相关性。
• 实用性：涵盖理论知识与代码实战（未来规划），助力学习者快速上手并深入理解大模型技术。

🍭 如果你想学的教程Datawhale没有，请打开【愿望清单】：https://github.com/datawhalechina/DOPMC/discussions/categories/%E6%84%BF%E6%9C%9B%E6%B8%85%E5%8D%95 ，写下你的愿望，我们负责找人帮你实现~

📒 如果你想了解所有开源项目，请查阅【Datawhale项目看板】：https://github.com/datawhalechina/DOPMC/projects/1

💡 如果你想发起一个开源项目，请查阅【Datawhale开源项目指南】：https://github.com/datawhalechina/DOPMC/blob/main/GUIDE.md

📍 如果你想参与开源项目贡献自己的一份力量，请查阅：https://github.com/datawhalechina/DOPMC/issues ，其中带【help wanted】标签的即为有招募需求的项目；

✨ 如果你想参与的开源项目暂无招募需求，但是你认为其仍有可改进的地方，请直接给相应项目提Pull Request，或者去项目看板中查找项目负责人的联系方式进一步沟通；

💌 其他任何有关Datawhale开源项目的问题均可在：https://github.com/datawhalechina/DOPMC/discussions 发帖反馈，运营小组的同学看到后会及时回复，若未回复可直接联系运营小组的同学，联系方式：https://github.com/datawhalechina/DOPMC/blob/main/OP.md