# LLM Atlas

一套以 Kimi K3 技术报告为锚点、从第一性原理重新梳理大语言模型技术发展的中文开放课程。

项目不把论文按年份堆成目录，而是持续回答四个问题：

1. 当时真正卡住研究者的问题是什么？
2. 旧方法为什么不够？
3. 关键论文改变了哪个假设或工程瓶颈？
4. 这条思路如何汇入今天的 Kimi K3、DeepSeek 与前沿 Agent 系统？

## 当前交付

- 网站：`https://llm-atlas.k1412.top/`
- 开源仓库：`https://git.k1412.top/wuyang/llm-atlas`
- 研究路线：[ROADMAP.md](./ROADMAP.md)
- 持续进度：[PROGRESS.md](./PROGRESS.md)
- 证据与写作规范：[research/METHODOLOGY.md](./research/METHODOLOGY.md)

当前里程碑包含 17 专题学习地图、486 篇关键论文索引、Kimi K3 完整导读，
语言模型前史、Transformer 基础、表示/位置/残差、DeepSeek 技术谱系、Scaling Laws、数据工程、长上下文、MoE、指令微调与人类偏好、推理、工具使用与长程 Agent、原生多模态、训练系统、推理服务、数值优化，以及评测与安全深度专题，
以及 75 个覆盖核心机制的原创交互视图。K3 二轮导读以 32 张问题账、16 图 / 5 表审计、
8 个交互实验和 100 个一手/官方节点，完整覆盖架构、预训练、后训练、系统、评测、案例与附录。
第三轮已完成开放工件与首个真实 kernel 里程碑：固定官方模型与 FlashKDA revisions，审计 96 个 checkpoint shards、
497,220 个 tensor entries、真实 KDA / MLA / MoE / MoonViT shapes 与小范围参数统计，并用 4 个新视图
明确区分官方观测、确定性推导、本机执行、合成探针和未决矛盾；同时用隔离 CUDA 13.0 环境编译
`sm_120a` wheel，在 RTX 5090 上完成 6/6 官方参考 exact-match 和 K3 fixed / varlen 形状计时。详见
[K3_ARTIFACT_AUDIT.md](./research/K3_ARTIFACT_AUDIT.md) 与
[checkpoint_probe.py](./experiments/k3/checkpoint_probe.py)、[FlashKDA probe](./experiments/k3/flashkda/)。
DeepSeek 三轮专题以 24 张问题账、10 次技术转向、
8 个交互实验和 60 个一手/官方节点，串起 Dense、MoE、MLA、V3 协同、R1 与 V4；
并固定官方 V2-Lite revision，在 RTX 5090 上连续执行 7/27 层，记录 3,240 次真实专家选择、
MLA/HF eager cache shapes 与 `31/31` exact 独立复跑。详见
[DEEPSEEK_V2_LITE_TRACE.md](./research/DEEPSEEK_V2_LITE_TRACE.md)。
其余专题按进度账本持续扩建。

## 本地开发

```bash
npm install
npm run dev
```

生产构建与检查：

```bash
npm run check
npm run build
```

## 内容与代码许可

- 网站代码采用 MIT License。
- 原创文字与重绘图采用 [CC BY-SA 4.0](https://creativecommons.org/licenses/by-sa/4.0/deed.zh-hans)。
- 被引用论文、图表、模型与商标仍归各自权利人所有；项目优先链接一手来源，并明确标注改绘与推断。