大语言模型技术理论与基础
本目录包含大语言模型（LLM）底层技术的全面理论文档，涵盖核心架构、模型优化、基础概念解析等多个技术领域，为深入理解和应用 LLM 提供技术指导。
1. 核心概念与理论
- 思维链 (CoT): 一文读懂思维链（Chain-of-Thought）的工作原理及其在提升大模型推理能力中的作用。
- Token 机制: 解密 LLM 中的 Tokens，包括 Token 的处理机制、分词算法以及长度估算工具。
- 模型幻觉 (Hallucination): 大模型的幻觉现象解析及其应对与缓解措施。
2. 嵌入技术 (Embedding)
嵌入技术是将文本、图像等数据映射为高维向量空间的核心技术。本目录提供详细的指南：
- 深入了解文本嵌入技术: 全面解析 Text Embeddings 的演变、距离度量及应用。
- LLM 嵌入技术详解：图文指南: 视觉化直观理解大模型 Embeddings。
- 文本嵌入技术快速入门: 快速上手文本嵌入技术的实用指南。
- 大模型 Embedding 层与独立 Embedding 模型：区别与联系: 解析模型内部 Embedding 层与外部独立模型的差异。
- 查看 嵌入技术完整指南 获取更多信息。
3. 模型架构与优化
- 混合专家模型 (MoE): 图解 Mixture of Experts 架构，解析如何通过稀疏激活提升模型规模与效率。
- 模型量化 (Quantization): 模型量化技术深度图解指南，探讨如何降低大模型推理资源需求。
4. 文件格式与应用层技术
- 大模型文件格式: 深入解析 GGUF, GGML, Safetensors 等主流大模型存储格式与技术规范。
- 基于 LLM 的意图检测: 意图识别系统设计与实现。