这门课把大模型学习拆成三段：第一段 LLM Fundamentals 是可选的数学、Python 与神经网络基础；第二段 LLM Scientist 讲怎么用最新技术把模型本身做到最好；第三段 LLM Engineer 讲怎么基于模型造应用并部署出去。仓库的价值主要在配套的 Colab 笔记本，按工具、微调、量化等主题分门别类：工具组里有自动评测的 LLM AutoEval、一键合并模型的 LazyMergekit、一键云端微调的 LazyAxolotl、把模型量化成 GGUF、GPTQ、EXL2、AWQ、HQQ 的 AutoQuant、可视化合并模型族谱的 Model Family Tree、用免费 ZeroGPU 起 Gradio 界面的 ZeroSpace，以及自动化 abliteration 与数据集去重的脚本；微调组则是一路从 Llama 2 的 QLoRA 讲到 Llama 3.1 配 Unsloth、Llama 3 配 ORPO、Mistral-7b 配 DPO 的实操。作者说明课程会永远免费，同时基于它合著了 LLM Engineer 手册；想要更完整的版本还可以看 DeepWiki。