湖南大学计算机科学与技术2026年金山暑期大模型实战课程表发布（8.17-8.28）

日期

类型

内容

课时或要求

8.17

理论+ 实训

前沿专题：AI4S前沿研究

模块一大模型基础

1.Token与Logits

1.1 分词、Token映射与向量生成

1.2 Logits、概率分布与解码 

2. Transformer的基本原理

2.1 Transformer解编码器结构

2.2 Transformer解码器结构

2.3 Transformer的特点分析

实训：

深度学习环境搭建

配置Python环境，装核心依赖，跑通推理测试

6

8.18

理论+ 实训

3. 多模态

3.1 视觉Transformer的一般框架与变体

3.2 多模态数据类型及序列化方法

4. Scaling Law

4.1 规模定律的直觉

4.2 涌现能力与边界

实训：

HuggingFace开源大模型导入与本地推理，拉取Llama开源模型并完成本地加载，掌握Tkoenizer、generate参数与多模态I/O

6

8.19

理论+ 实训

模块二大模型应用

引言：大模型训练与应用流程

5. 大模型预训练

5.1 预训练的作用

5.2 预训练的数据

5.3 预训练的方法

5.4 模型预训练

6. SFT（监督微调）

6.1 多种微调技术图解

6.2 SFT原理深入分析

6.3 指令收集和处理

6.4 SFT实践指南

6.5 LoRA

7. DPO（直接偏好优化）

7.1 DPO的核心思想

7.2 偏好数据集的构建

7.3 DPO的实现与训练

7.4 DPO进阶

实训：模型预训练，以Llama3.1为例，预训练直观理解token/embedding/损失与Scaling Law

6

8.20

理论+ 实训

8. RLHF（基于人类反馈的强化学习）

8.1 RHLF概要

8.2 RLHF的总流程

8.3 RHLF实践技巧

8.4 RHLF的关进监控指标

9. 常规调优

9.1 Prompt工程

9.2 思维链

9.3 解码算法与生成控制

9.4 多数投票

9.5 RAG

实训：

参数高效微调实验

LoRA+SFT数据构造与评估，对比微调前后表现

6

8.21

理论+ 实训

10. 智能体基础

10.1 智能体定义与四要素

10.2 智能体的六种设计模式

实训：

RAG简单流程

切分、向量化、检索、生成最小可用链，用文献做检索回答

RAG进阶

上下文工程+结构化抽取，构建个人文献知识库

6

8.22

周末休息

8.23

周末休息

8.24

理论+ 实训

11. 工具调用和函数调用

11.1 调用机制和执行回填

11.2 工具schema与可靠性

12. 记忆、Skills与技能积累机制

12.1 记忆系统

12.2 Skills机制与自我改进

实训;

单智能体实践

React范式挂工具+Skills，端到端跑通“思考-调工具-观察”闭环

6

8.25

理论+ 实训

13. Harness工程：智能体的脚手架与控制回路

13.1 为什么需要Harness

13.2 控制回路设计

13.3 可观测性、评估与框架取舍

实训：多智能体协作

6

8.26

理论+ 实训

14. 多智能体编排与智能体评估

14.1 多智能体编排

14.2 评估、安全与幻觉治理

实训：文献复现综合实验

6

8.27

线上企业实习

项目实践：

检索/分析/写手/校验等多角色编排，做文献库智能管理

6

8.28

线上企业实习

项目实践：

尝试复现论文并根据所学知识进行优化与增强

6