Control How Your GPU Shares Work with Green Contexts
理解 CUDA green contexts 的资源划分机制,并在自己的多负载 GPU 应用中实现 SM 与 workqueue 分区。
教程:工具用法:框架、命令行工具、平台、库的上手与用法,官方文档归这一类。
理解 CUDA green contexts 的资源划分机制,并在自己的多负载 GPU 应用中实现 SM 与 workqueue 分区。
跟着中文图文教程理解 Transformer/BERT/GPT 原理,并用 PyTorch 与 Hugging Face Transformers 动手完成常见 NLP 任务的实现与训练。
跟随官方教程完成 Dify 本地部署,并动手搭建提示词应用、知识库问答、Agent 工作流、text2sql、DeepResearch、MCP、语音智能体等多类大模型应用。

从一个“循环 + bash”的最小 Agent 出发,逐课加入工具、权限、钩子、子 Agent、上下文压缩、记忆、任务与 MCP 等机制,理解 Claude Code 类 Agent harness 由哪些部分组成。
掌握在 Amazon SageMaker AI 上用多轮强化学习(MTRL + GRPO + LoRA)训练能完成多步任务的 Agent,并以 Wordle 为例走通从环境部署到训练、监控与评估的完整流程。
能独立搭建一个从复杂 PDF 中同时检索文字与图像、并交由 GPT-4o 生成有依据回答的多模态 RAG 流水线。
理解 pgvector 与专用向量数据库的架构差异,并在本机搭好 pgvector + Qdrant 对比评测环境。
用纯 Python 和 Anthropic Python SDK,从零实现一个带工具调用与记忆的 AI Agent,理解 Agent 循环的内部机制。
理解同步与异步两种 LLM Agent 执行架构模式的差异,并能根据任务复杂度、延迟容忍度与基础设施条件为生产部署选择合适模式。
能搭建一套标准向量 RAG 与 3 层 Graph-RAG 的对比基准,用合成事实密集数据衡量幻觉差异。