模型推理
选择适合现有硬件与用途的模型。阅读模型说明和许可证，再运行小型推理示例并记录设置。
模型微调
微调用样例调整模型参数。将评估数据与训练数据分开，并先与仅使用提示词的基线比较。
端到端示例
示例配方是起点，不是部署保证。记录依赖、数据假设与评测结果，让其他学习者能够复现。
实践作业
选择一个官方示例，编写复现说明，包含用途、输入、依赖、预期输出和局限。
完成标准
- 用自己的话解释三个主题。
- 完成作业并保存成果或设计笔记。
- 测试一个边界情况，并记录一个局限。
通过 Meta 官方示例学习 Llama 推理、微调与端到端应用。
本讲义由 Masterlearn 编写，解释核心概念并提供独立练习。官方完整课程与视频请通过资源入口查看，部分平台可能要求登录。
内容校对日期:选择适合现有硬件与用途的模型。阅读模型说明和许可证，再运行小型推理示例并记录设置。
微调用样例调整模型参数。将评估数据与训练数据分开，并先与仅使用提示词的基线比较。
示例配方是起点，不是部署保证。记录依赖、数据假设与评测结果，让其他学习者能够复现。
选择一个官方示例，编写复现说明，包含用途、输入、依赖、预期输出和局限。