1. 项目背景与核心价值
在大模型技术快速发展的当下，专业术语正成为新手入门的第一道门槛。我见过太多学习者被"注意力机制"、"RLHF"、"LoRA"这类词汇劝退，其实这些概念背后都是非常直观的工程思想。这份手册就是要用最生活化的类比和实例，拆解那些看似高深的技术名词。
不同于传统术语词典的简单定义，我们特别注重三点：第一是建立概念之间的关联性，比如说明"微调"和"提示工程"如何配合使用；第二是还原技术演进的脉络，解释为什么会出现"指令微调"这样的方法；第三是提供实操中的典型应用场景，比如"温度参数"在对话生成中的具体调节技巧。
2. 核心术语解析方法论
2.1 概念分层策略
我们将术语分为三个理解层级：
- 基础层（必须掌握）：如Tokenization、Embedding
- 进阶层（推荐了解）：如KV Cache、MoE
- 扩展层（选学内容）：如GQA、RoPE
每个术语的解析包含五个固定模块：
- 一句话定义（不超过15字）
- 技术类比（用日常生活举例）
- 可视化说明（文字描述示意图）
- 典型参数范围（如dropout率常用0.1-0.3）
- 新手常见误解
2.2 典型术语详解示例
2.2.1 注意力机制
定义：信息权重分配系统
类比：就像读书时用荧光笔划重点，模型会动态决定哪些词更重要
可视化：想象多个探照灯同时照射文本的不同位置
参数：头数通常为12-128，维度64-128
误解：不是所有头都同等重要，有些头会专门学习特定模式
2.2.2 LoRA微调
定义：参数高效微调法
类比：给模型加可拆卸的"技能插件"
可视化：主模型像固定电路板，LoRA模块像可插拔芯片
参数：rank常取4-64，alpha值1-32
误解：不是rank越大越好，过高会导致过拟合
3. 术语关联网络构建
3.1 技术演进树
绘制关键技术的衍生关系：
预训练 → 微调 → 适配器微调 → LoRA → QLoRA
每个箭头标注改进动机，例如：
"LoRA的出现是为了解决适配器微调时推理延迟增加的问题"
3.2 组合应用场景
展示术语如何协同工作：
- RAG系统：Embedding + 相似度计算 + 上下文窗口
- 对话系统：温度参数 + 重复惩罚 + 束搜索
4. 实操中的术语应用
4.1 参数调优指南
提供具体任务的典型配置：
- 创意写作：temperature=0.7-1.0
- 代码生成：top_p=0.9-0.95
- 事实问答：frequency_penalty=0.5
4.2 工具链中的术语映射
说明不同框架的术语对应关系：
- Hugging Face的num_beams = 官方论文的k
- vLLM的block_size = 学术界的context window
5. 动态术语追踪机制
5.1 版本更新日志
建立术语更新看板，标注：
- 新出现术语（如2023年的"推测解码"）
- 含义演变的术语（如"微调"现在特指全参数微调）
5.2 社区术语投票
每月收集用户最困惑的5个术语，优先制作详解。当前待解清单：
- 相对位置编码
- 梯度检查点
- 动态批处理
- 量感知训练
- 专家并行
维护提示：本手册采用"滚动更新"机制，建议通过GitHub的watch功能获取最新术语解读。对于急迫的术语需求，可以直接在issue区提出。