外观
极速索引
从理论、部署到组件、框架和应用，把搭 Agent、跑 Agent 常用的软件与文档入口放在一起，方便对照和筛选。
2017 年提出 Transformer 的原始论文（Vaswani et al.），现代大模型结构的共同源头。
自注意力与 Transformer 的源头论文。
大规模训练与推理优化库：ZeRO、Offload 等，方便在多卡上扩展。原微软团队发起，现由 DeepSpeed（deepspeedai）社区维护。
大模型训练省显存、提吞吐，ZeRO 让更大模型训得动。
开源机器学习的协作与分发平台：模型、数据集、Spaces（Demo）的集散地；也支持团队私有协作。
模型与数据集的公共货架，找权重、试推理都从这进。
图解文章：把 Attention Is All You Need 拆成可扫读的结构图，适合入门对照。
用图拆开 Attention，建立直觉比硬啃论文更快。
从零手写神经网络到 GPT / Tokenizer 的视频课 + 配套代码，偏直觉与可运行实现。
从零手写到能训练，把反向传播真正跑通。
NVIDIA 开源的大规模 Transformer 训练参考实现，以及可组合的 Megatron Core 库，面向多 GPU / 多机。
NVIDIA 超大模型多卡并行训练的主流路线。
主流深度学习框架：张量计算、自动求导、神经网络模块与 GPU/加速器上的训练与推理。开源大模型实现与微调脚本大多基于它。
训练与改模型的事实标准，开源仓库大多基于它。
预训练模型的定义与加载库：覆盖文本、视觉、音频、视频与多模态；同时服务推理与训练。Hub 上有大量基于它的 checkpoint。
加载、推理、微调开源模型的事实标准库。
共 8 项
