幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

大語言模型應用指南(以ChatGPT為起點從入門到精通的AI實踐教程)

  • 作者：萬俊|責編:孫學瑛
  • 出版社：電子工業
  • ISBN：9787121475986
  • 出版日期：2024/05/01
  • 裝幀：平裝
  • 頁數：360
人民幣：RMB 118 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是一本對人工智慧小白讀者非常友好的大語言模型應用指南，有兩大特點：一是以通俗易懂的方式解釋複雜概念，通過實例和案例講解大語言模型的工作原理和工作流程、基本使用方法，包括大語言模型常用的三種交互格式、提示工程、工作記憶與長短期記憶，以及外部工具等，使讀者能夠全面了解和掌握這一先進技術的應用和二次開發；二是緊跟當前大語言模型技術的更新動態，介紹GPTs的創建，以GPT-4V和Gemini為例講述多模態模型的應用，還包括無梯度優化、自主Agent系統、大語言模型微調、RAG框架微調、大語言模型安全技術等。
    無論是學術研究者、工程師，還是對大語言模型感興趣的普通讀者，都可以通過本書獲得大語言模型的前沿研究成果、技術進展和應用案例，從而更好地應用大語言模型解決實際問題。
作者介紹
萬俊|責編:孫學瑛
    萬俊，南京大學計算數學專業本碩，現任中國香港瑞銀軟體工程師，OPPO前高級數據挖掘工程師，螞蟻集團前高級機器學習工程師，Udacity前機器學習和深度學習資深講師，曾多次在各類數據競賽中獲獎（Kaggle Kesci Data Castle），已發表CCFA類論文一篇，EI論文一篇，神經網路測試專利一個，LeetCode專欄作家，著有「Enlighten AI」專欄。
目錄
第1篇  基礎
  第1章  從人工智慧的起源到大語言模型
    1.1  人工智慧的起源
      1.1.1  機器能思考嗎
      1.1.2  達特茅斯會議
    1.2  什麼是機器學習
      1.2.1  演繹推理與歸納推理
      1.2.2  人工編程與自動編程
      1.2.3  機器學習的過程
      1.2.4  機器學習的分類
    1.3  什麼是神經網路
      1.3.1  還原論與湧現性
      1.3.2  神經網路的發展歷史
      1.3.3  神經網路基礎
      1.3.4  神經網路的三要素
    1.4  自然語言處理的發展歷程
      1.4.1  什麼是自然語言處理
      1.4.2  文本的向量化
      1.4.3  神經網路中的自監督學習
    1.5  大語言模型
      1.5.1  什麼是大語言模型
      1.5.2  語言模型中的token
      1.5.3  自回歸模型與文本生成
      1.5.4  統一自然語言任務
      1.5.5  大語言模型的訓練過程
      1.5.6  大語言模型的局限性
第2篇  入門
  第2章  交互格式
    2.1  Completion交互格式
    2.2  ChatML交互格式
    2.3  Chat Completion交互格式
  第3章  提示工程
    3.1  什麼是提示工程
    3.2  提示的構成
    3.3  提示的基礎技巧
      3.3.1  在提示的末尾重複關鍵指令
      3.3.2  使用更清晰的語法
      3.3.3  盡量使用示例
      3.3.4  明確要求大語言模型回復高質量的響應
    3.4  Chat Completion交互格式中的提示
    3.5  提示模板與多輪對話
  第4章  工作記憶與長短期記憶
    4.1  什麼是工作記憶
    4.2  減輕工作記憶的負擔
      4.2.1  Chain-of-Thought
      4.2.2  Self-Consistency
      4.2.3  Least-to-Most
      4.2.4  Tree-of-Tought和Graph -of-Tought
      4.2.5  Algorithm-of-Tought
      4.2.6  Chain-of-Density

    4.3  關於大語言模型的思考能力
    4.4  長短期記憶
      4.4.1  什麼是記憶
      4.4.2  短期記憶
      4.4.3  長期記憶
  第5章  外部工具
    5.1  為什麼需要外部工具
    5.2  什麼是外部工具
    5.3  使用外部工具的基本原理
    5.4  基於提示的工具
      5.4.1  Self-ask 框架
      5.4.2  ReAct 框架
      5.4.3  改進ReAct框架
    5.5  基於微調的工具
      5.5.1  Toolformer
      5.5.2  Gorilla
      5.5.3  function calling
  第6章  ChatGPT介面與擴展功能詳解
    6.1  OpenAI大語言模型簡介
    6.2  ChatGPT擴展功能原理
      6.2.1  網頁實時瀏覽
      6.2.2  執行Python代碼
      6.2.3  圖像生成
      6.2.4  本地文件瀏覽
    6.3  Chat Completion介面參數詳解
      6.3.1  模型響應返回的參數
      6.3.2  向模型發起請求的參數
    6.4  Assistants API
      6.4.1  工具
      6.4.2  線程
      6.4.3  運行
      6.4.4  Assistants API整體執行過程
    6.5  GPTs與GPT商店
      6.5.1  GPTs功能詳解
      6.5.2  GPT商店介紹
      6.5.3  案例：私人郵件助手
第3篇  進階
  第7章  無梯度優化
    7.1  單步優化
    7.2  強化學習入門
    7.3  多步優化中的預測
    7.4  多步優化中的訓練
    7.5  多步優化中的訓練和預測
  第8章  自主Agent系統
    8.1  自主Agent系統簡介
    8.2  自主Agent系統的基本組成
    8.3  自主Agent系統案例分析（一）
      8.3.1  BabyAGI
      8.3.2  AutoGPT
      8.3.3  BeeBot

      8.3.4  Open Interpreter
      8.3.5  MemGPT
    8.4  自主Agent系統案例分析（二）
      8.4.1  CAMEL
      8.4.2  ChatEval
      8.4.3  Generative Agents
  第9章  微調
    9.1  三類微調方法
    9.2  Transformer解碼器詳解
      9.2.1  Transformer的原始輸入
      9.2.2  靜態編碼和位置編碼
      9.2.3  Transformer層
    9.3  高效參數微調
      9.3.1  Adapter高效微調
      9.3.2  Prompt高效微調
      9.3.3  LoRA高效微調
      9.3.4  高效微調總結
    9.4  微調RAG框架
      9.4.1  RAG框架微調概述
      9.4.2  數據準備和參數微調
      9.4.3  效果評估
  第10章  大語言模型的安全技術
    10.1  提示注入攻擊
      10.1.1  攻擊策略
      10.1.2  防禦策略
    10.2  越獄攻擊與數據投毒
      10.2.1  衝突的目標與不匹配的泛化
      10.2.2  對抗樣本
      10.2.3  數據投毒
    10.3  幻覺和偏見問題
    10.4  為大語言模型添加水印
第4篇  展望
  第11章  大語言模型的生態與未來
    11.1  多模態大語言模型
      11.1.1  什麼是多模態
      11.1.2  GPT-4V簡介
      11.1.3  Gemini簡介
    11.2  大語言模型的生態系統
    11.3  大語言模型的第一性原理：尺度定律
      11.3.1  什麼是尺度定律
      11.3.2  尺度定律的性質
      11.3.3  尺度定律的未來
    11.4  通向通用人工智慧：壓縮即智能
      11.4.1  編碼與無損壓縮
      11.4.2  自回歸與無損壓縮
      11.4.3  無損壓縮的極限
    11.5  圖靈機與大語言模型：可計算性與時間複雜度
      11.5.1  圖靈機與神經網路
      11.5.2  智能的可計算性
      11.5.3  邏輯推理的時間複雜度

參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032