生成式人工智能与大语言模型：深度学习、Attention机制与多模态生成系统实践——为什么 Claude Code 能“自主调用工具”，AI Agent 又如何完成复杂任务？

本课程将系统介绍生成式人工智能背后的核心技术路径，从最基础的深度学习与神经网络出发，逐步讲解语言模型、词向量、循环神经网络、注意力机制（Attention）以及Transformer架构的发展过程，帮助学生真正理解大语言模型为何能够“理解”语言、生成内容并完成复杂推理任务。课程同时结合PyTorch等主流工具，带领学生理解现代人工智能系统的训练逻辑与工程实现方式，建立从理论到实践的完整认知框架。

在课程后半部分，学生将进一步接触当前生成式人工智能研究与产业中的核心方向，包括大语言模型的训练与评测、AI Agent系统的设计、模型可解释性与AI安全问题，以及语音与视觉等多模态生成模型。课程还将介绍Variational Autoencoder（VAE）、Generative Adversarial Network（GAN）等经典生成模型，并结合机器翻译、聊天机器人与智能内容生成等真实案例，分析生成式AI在现实世界中的应用方式与技术边界。整个课程强调研究能力、工程能力与跨学科理解的结合，帮助学生建立对当前人工智能前沿发展的系统认识，并为未来进入人工智能、自然语言处理、大模型系统及相关研究方向奠定基础。