本书以Transformer模型为核心，全面覆盖大语言模型的构建与应用全流程，包括深度学习基础、注意力机制、预训练语料处理、数据表征、扩展法则、架构优化、预训练、微调、推理、人类对齐及评测等关键环节。内容兼顾理论深度与实践指导，通过数学推导、算法解析、代码实现及案例分析，为读者提供清晰的学习路径。

全书共9章，第1章介绍Transformer模型的理论基础与代码实现，第2~4章探讨预训练语料、数据表征及扩展法则与架构设计，第5~7章深入预训练、微调与推理的优化技术，第8章聚焦人类对齐的理论与实践，第9章系统介绍评测方法。

本书面向高校学生、研究人员及人工智能领域从业者，注重前沿技术与**研究成果结合，适合作为人工智能、计算机科学相关专业的教材，也可作为自然语言处理及大语言模型开发者的参考书。通过阅读本书，读者可以掌握大语言模型的核心知识与基础研究框架，为学术研究与技术应用奠定坚实基础。