LLM 基础设施
4 阶段 · 7 节点
LLM 演进：从序列建模到对齐
RNN / Seq2Seq → Attention → Transformer → BERT / GPT → 指令对齐
以“上一代方法解决了什么、又留下什么问题”串起语言模型的核心转折。
预计 8 小时
进入路线 →
人工策展 · 线性学习
专题路线
不再把内容撒成一张图。每条路线回答：为什么出现、解决了什么、又把问题推向哪里。
多模态
4 阶段 · 6 节点
图像模型演进：从 CNN 到多模态生成
CNN → ResNet → ViT → CLIP → Diffusion
从局部归纳偏置、深层网络训练，一直走到视觉 Transformer 和文本条件生成。
预计 7 小时
进入路线 →
Agent 智能体
4 阶段 · 6 节点
AI Agent 到 Harness：从工具调用到可靠执行系统
Tool Use → ReAct → 记忆与反思 → Runtime → Harness
不只看 Agent 会做什么，而是追问它如何被约束、观测、评测并在长任务中可靠运行。
预计 6 小时
进入路线 →