llm-algo-leetcode

大模型算法刷题实战，边写边测快速上手

llm-algo-leetcode 是一个面向大模型算法与系统方向的开源实战教程，以 Jupyter Notebook 为主要载体，把大模型入门到进阶所需的核心算法拆解成一道道具象的练习题。每个题目通常包含原理讲解、参考解答和测试用例，强调用测试驱动的方式验证实现是否正确，覆盖注意力机制、归一化、位置编码、KV Cache、量化、并行计算等常见主题，并延伸到 CUDA/Triton 算子实战。它解决的是学习大模型时“看得懂论文但写不出代码”的痛点，让学习者在本地即可运行、调试和对比自己的实现，适合作为面试准备、课程作业或自学路线，也便于教师直接拿来当教学材料。

开源 free 学习教育

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 601

维护状态活跃

是否开源是

定价模式 free

项目数据

分类学习教育

开发团队datawhalechina

所属国家

官网地址https://datawhalechina.github.io/llm-algo-leetcode

GitHubhttps://github.com/datawhalechina/llm-algo-leetcode

定价模式free

价格说明开源免费教程，无付费内容

访问状态

是否开源是

开源协议NOASSERTION

主要语言Jupyter Notebook

技术栈/模型cuda,hardware-system,llm-algorithm,llm-infra,notebook,nvidia,pytorch,test-driven,triton

GitHub 星标★ 601

30天Star增速

HF 下载量

上线时间2026-04-01 00:00:00

最近更新2026-09-17 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-16

浏览次数0

使用教程

核心亮点

题目覆盖从注意力、归一化到 KV Cache、量化等大模型核心算法，体系较完整
每道题配原理讲解、参考解答与测试用例，可本地运行验证，学习闭环清晰
包含 CUDA/Triton 算子实战，能补上多数教程缺失的系统与性能优化环节

不足之处

以 Notebook 为主，缺少统一的工程化练习框架和自动评测流程
项目仍处早期，题目数量与社区贡献者规模有限，更新节奏待观察

适用场景

准备大模型算法岗面试，按主题刷题并对照参考实现
高校或培训机构用作大模型课程的上机实验材料
已入门的工程师补齐 CUDA/Triton 算子与系统优化能力

替代项目

llm-cookbook、tiny-universe、MiniMind

项目介绍

llm-algo-leetcode 是一个学习教育领域的开源项目，官方简介：LLM algorithm practice lab with theory, solutions, and test cases.《大模型算法与系统教程》面向大模型入门到进阶的算法实战教程，覆盖原理讲解、答案解析、测试用例与 CUDA/Triton 实战。。项目使用 Jupyter Notebook 开发，在 GitHub 上获得 593 星标。

上一篇：FAQ_Of_LLM_Interview

下一篇：LLM-Open-University-From-Begineer-to-Advanced