《大模型基础》全面介绍大语言模型（LLMs）的基础知识、架构设计、训练优化及应用实践。从语言模型的基础理论出发，深入探讨基于统计、RNN和Transformer的模型架构，重点分析大语言模型的架构类型（如Encoder-only、Encoder-Decoder、Decoder-only）及其代表模型（如BERT、T5、GPT系列）。书中详细讲解Prompt工程、参数高效微调、模型编辑和检索增强生成等关键技术，结合实际案例展示这些技术在不同场景中的应用。通过系统的学习和实践指导，帮助读者深入理解、有效应用大语言模型技术。