add cmu11711

docs/深度生成模型/大语言模型/CMU11-667.md

@@ -0,0 +1,32 @@
+# Carnegie Mellon University CS 11-667: Large Language Models Methods and Applications
+
+## 课程简介
+
+- **所属大学**: 卡内基梅隆大学 (Carnegie Mellon University)
+- **先修要求**: 
+  - 机器学习的基本知识（相当于课程 10-301/10-601）
+  - 自然语言处理的相关概念（相当于课程 11-411/11-611）
+  - 熟练掌握 Python 编程，了解 PyTorch 或类似的深度学习框架。
+- **课程难度**: 🌟🌟🌟🌟🌟🌟
+- **课程网站**: [大型语言模型的方法与应用](https://cmu-llms.org/)
+
+《大型语言模型的方法与应用 (11-667)》是一门研究生课程，提供关于大型语言模型（LLMs）最新进展的全面概述。
+
+课程涵盖了语言模型的基础知识、网络架构、训练、推理与评估，并深入探讨了解释性、对齐、涌现能力、扩展定律，以及高效训练和部署的最新技术。学生还将学习 LLM 的部署风险及挑战，并探索其在新应用中的潜力。
+
+### 课程内容：
+- 语言模型的基础
+- 网络架构、训练与评估
+- 涌现能力与扩展定律
+- 在自然语言处理及其他领域的应用
+- 隐私保护、对齐与鲁棒性
+- 部署中的挑战与伦理考虑
+
+### 学习目标：
+完成课程后，学生将能够：
+- 比较并分析不同的 LLM 模型及其应用场景。
+- 使用 PyTorch 实现和训练语言模型。
+- 使用开源工具微调并进行预训练模型的推理。
+- 理解 LLM 在下游任务中的应用，并评估训练时的决策对这些任务的影响。
+- 阅读并理解 LLM 领域的学术论文，掌握相关术语（如扩展定律、RLHF、提示工程等）。
+- 设计创新方法，将现有大型语言模型应用于新场景。

docs/深度生成模型/大语言模型/CMU11-711.en.md

@@ -0,0 +1,27 @@
+# CMU 11-711: Advanced Natural Language Processing (ANLP)
+
+## Course Overview
+
+* University: Carnegie Mellon University  
+* Prerequisites: No strict prerequisites, but students should have experience with Python programming, as well as a background in probability and linear algebra. Prior experience with neural networks is recommended.  
+* Programming Language: Python  
+* Course Difficulty: 🌟🌟🌟🌟  
+* Estimated Workload: 100 hours  
+
+This is a graduate-level course covering both foundational and advanced topics in Natural Language Processing (NLP). The syllabus spans word representations, sequence modeling, attention mechanisms, Transformer architectures, and cutting-edge topics such as large language model pretraining, instruction tuning, complex reasoning, multimodality, and model safety. Compared to similar courses, this course stands out for the following reasons:
+
+1. **Comprehensive and research-driven content**: In addition to classical NLP methods, it offers in-depth discussions of recent trends and state-of-the-art techniques such as LLaMa and GPT-4.  
+2. **Strong practical component**: Each lecture includes code demonstrations and online quizzes, and the final project requires reproducing and improving upon a recent research paper.  
+3. **Highly interactive**: Active engagement is encouraged through Piazza discussions, Canvas quizzes, and in-class Q&A, resulting in an immersive and well-paced learning experience.
+
+Self-study tips:
+
+* Read the recommended papers before class and follow the reading sequence step-by-step.  
+* Set up a Python environment and become familiar with PyTorch and Hugging Face, as many hands-on examples are based on these frameworks.
+
+## Course Resources
+
+* Course Website: [https://www.phontron.com/class/anlp-fall2024/](https://www.phontron.com/class/anlp-fall2024/)  
+* Course Videos: Lecture recordings are available on Canvas (CMU login required)  
+* Course Texts: Selected classical and cutting-edge research papers + chapters from *A Primer on Neural Network Models for Natural Language Processing* by Yoav Goldberg  
+* Course Assignments: [https://www.phontron.com/class/anlp-fall2024/assignments/](https://www.phontron.com/class/anlp-fall2024/assignments/)

docs/深度生成模型/大语言模型/CMU11-711.md

@@ -0,0 +1,27 @@
+# CMU 11-711: Advanced Natural Language Processing (ANLP)
+
+## 课程简介
+
+* 所属大学：Carnegie Mellon University
+* 先修要求：无硬性先修要求，但需具备 Python 编程经验，以及概率论和线性代数基础；有神经网络使用经验者更佳。
+* 编程语言：Python
+* 课程难度：🌟🌟🌟🌟
+* 预计学时：100 学时
+
+该课程为研究生级别的 NLP 入门与进阶课程，覆盖从词表征、序列建模，到注意力机制、Transformer 架构，再到大规模语言模型预训练、指令微调与复杂推理、多模态和安全性等前沿主题。与其他同类课程相比，本课程：
+
+1. **内容全面且紧跟最新研究**：除经典算法外，深入讲解近年热门的大模型方法（如 LLaMa、GPT-4 等）。
+2. **实践性强**：每次课配套代码演示与在线小测，学期末项目需复现并改进一篇前沿论文。
+3. **互动良好**：Piazza 讨论、Canvas 测验及现场答疑，学习体验沉浸而有节奏。
+
+自学建议：
+
+* 提前阅读课前推荐文献，跟着阅读顺序循序渐进。
+* 准备好 Python 环境并熟悉 PyTorch/Hugging Face，因为大量实战代码示例基于此。
+
+## 课程资源
+
+* 课程网站：[https://www.phontron.com/class/anlp-fall2024/](https://www.phontron.com/class/anlp-fall2024/)
+* 课程视频：课堂讲座录制并上传至 Canvas（需 CMU 帐号登录）
+* 课程教材：各类经典与前沿论文＋Goldberg《A Primer on Neural Network Models for Natural Language Processing》章节阅读
+* 课程作业：[https://www.phontron.com/class/anlp-fall2024/assignments/](https://www.phontron.com/class/anlp-fall2024/assignments/)

mkdocs.yml

@@ -284,8 +284,9 @@ nav:
   - 深度生成模型:
       - "学习路线图": "深度生成模型/roadmap.md"
       - "大语言模型":
-        - "CMU 11868: Large Language Model System": "深度生成模型/大语言模型/CMU11-868.md"
-        - "CMU 11667: Large Language Models: Methods and Applications": "深度生成模型/大语言模型/CMU11-667.md"
+        - "CMU 11-868: Large Language Model System": "深度生成模型/大语言模型/CMU11-868.md"
+        - "CMU 11-667: Large Language Models: Methods and Applications": "深度生成模型/大语言模型/CMU11-667.md"
+        - "CMU 11-711: Advanced Natural Language Processing": "深度生成模型/大语言模型/CMU11-711.md"
   - 机器学习进阶:
       - "学习路线图": "机器学习进阶/roadmap.md"
       - "CMU 10-708: Probabilistic Graphical Models": "机器学习进阶/CMU10-708.md"