大型語言模型實戰指南-應用實踐與場景落地劉聰沈盛宇李特麗 9787111758457 【台灣高等教育出版社】

Name: 大型語言模型實戰指南-應用實踐與場景落地 劉聰 沈盛宇 李特麗 9787111758457 【台灣高等教育出版社】
Brand: abooksthep
Price: 630.0 TWD
Availability: InStock

圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：機械工業

NT$630

商品編號:

供貨狀況: 尚有庫存

加入最愛

商品介紹

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202408*若逾兩年請先於私訊洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：大型語言模型實戰指南-應用實踐與場景落地
ISBN：9787111758457
出版社：機械工業
著編譯者：劉聰沈盛宇李特麗
叢書名：智能系統與技術叢書
頁數：277
所在地：中國大陸 *此為代購商品
書號：1674806
可大量預訂，請先連絡。

內容簡介

這是一本系統梳理並深入解析大模型的基礎理論、演算法實現、數據構造流程、模型微調方法、偏好對齊方法的著作，也是一本能手把手教你構建角色扮演、信息抽取、知識問答、AI Agent等各種強大的應用程序的著作。本書得到了零一萬物、面壁智能、通義千問、百姓AI、瀾舟科技等國內主流大模型團隊的負責人的高度評價和鼎力推薦。具體地，通過本書你能了解或掌握以下知識：（1）大型語言模型的基礎理論，包括常見的模型架構、領域大型語言模型以及如何評估大模型的性能。（2）大模型微調的關鍵步驟：從數據的收集、清洗到篩選，直至微調訓練的技術細節。（3）大模型人類偏好對齊方法，從基於人工反饋的強化學習框架到當前主流的對齊方法。（4）通過GPTs快速搭建個性化的專屬ChatGPT應用。（5）通過開源模型在多種場景下搭建大模型應用，包括：表格查詢、角色扮演、信息抽取、知識問答、AI Agent等。（6）掌握大模型Agent方法以及Agent常用框架。（7）基於LangChain框架構建一個AutoGPT應用。本書集大模型理論、實踐和場景落地於一體，提供大量經詳細註釋的代碼，方便讀者理解和實操。總之，不管里是想深入研究大模型本身，還是進行大模型相關應用搭建，本書都應該能給你頗具價值的技術啟發與思考，讓你在大模型的路上快速前行，少走彎路。

作者簡介

劉聰，資深NLP技術專家和AI技術專家，南京雲問科技首席演算法架構師，MLNLP（機器學習演算法與自然語言處理）社區學術委員。主攻文本向量表徵、問答系統、AIGC等技術方向，是大模型領域的先驅者和佈道者。開源了首個中文Unilm預訓練模型、中文GPT2、誇誇閑聊機器人（ChatBot）、大模型微調等項目。作為主要負責人，在多項自然語言處理比賽中獲得前三名，在中文核心期刊和SCI發表多篇論文，有多項發明專利。知乎ID為「劉聰NLP」，擁有公眾號「NLP工作站」。

前言
第1章大型語言模型基礎
1 1 Transformer基礎
1 2 常用的大型語言模型
1 2 1 GPT系列模型
1 2 2 OPT模型
1 2 3 Bloom模型
1 2 4 GLM系列模型
1 2 5 LLaMA系列模型
1 2 6 Baichuan系列模型
1 2 7 Qwen系列模型
1 2 8 Skywork模型
1 3 領域大型語言模型
1 3 1 法律大型語言模型
1 3 2 醫療大型語言模型
1 3 3 金融大型語言模型
1 3 4 教育大型語言模型
1 4 大型語言模型評估
1 4 1 大型語言模型的評估內容
1 4 2 大型語言模型的評估方法
1 4 3 大型語言模型評估榜單
1 5 本章小結
第2章大型語言模型的常用微調方法
2 1 數據構造與清洗
2 1 1 數據構造方法
2 1 2 數據清洗方法
2 2 分詞器構造
2 2 1 分詞器概述
2 2 2 BPE分詞器
2 2 3 WordPiece分詞器
2 2 4 Unigram分詞器
2 2 5 SentencePiece分詞器
2 2 6 詞表融合
2 3 大型語言模型的微調方法
2 3 1 前綴調優
2 3 2 提示調優
2 3 3 P-Tuning v2
2 3 4 LoRA
2 3 5 DyLoRA
2 3 6 AdaLoRA
2 3 7 QLoRA
2 3 8 QA-LoRA
2 3 9 LongLoRA
2 3 10 VeRA
2 3 11 S-LoRA
2 4 基於PEFT的LLaMA模型微調實戰
2 4 1 項目介紹
2 4 2 數據預處理
2 4 3 模型微調
2 4 4 模型預測
2 5 本章小結
第3章大型語言模型的人類偏好對齊
3 1 基於人類反饋的強化學習框架
3 2 前沿偏好對齊方法
3 2 1 RRHF
3 2 2 RLAIF
3 2 3 DPO
3 2 4 APO
3 3 基於DPO的偏好對齊實戰
3 3 1 數據集介紹
3 3 2 TRL框架介紹
3 3 3 訓練代碼解析
3 4 本章小結
第4章創建個人專屬的ChatGPT——GPTs
4 1 GPTs初體驗
4 2 GPTs的初階使用
4 2 1 知識庫的使用
4 2 2 內置插件的使用
4 2 3 知識庫與內置插件的結合使用
4 3 GPTs的高階使用
4 4 本章小結
第5章大型語言模型SQL任務實戰
5 1 公開數據集
5 1 1 英文公開數據集
5 1 2 中文公開數據集
5 2 主流方法
5 2 1 基於規則的方法
5 2 2 基於深度學習的方法
5 2 3 基於預訓練語言模型的方法
5 2 4 基於大型語言模型的方法
5 3 Text2SQL任務實戰
5 3 1 項目介紹
5 3 2 數據預處理
5 3 3 模型微調
5 3 4 模型預測
5 4 本章小結
第6章大型語言模型的角色扮演應用
6 1 角色扮演
6 1 1 大型語言模型如何進行角色扮演
6 1 2 角色扮演數據的構造方法
6 1 3 大型語言模型角色扮演的能力評估
6 2 角色扮演實戰測試
6 3 基於Baichuan的角色扮演模型微調
6 3 1 項目介紹
6 3 2 數據預處理
6 3 3 模型微調
6 3 4 模型預測
6 4 本章小結
第7章大型語言模型的對話要素抽取應用
7 1 對話要素抽取
7 2 對話要素抽取實戰測試
7 2 1基於GPT-3 5API進行對話要素抽取
7 2 2基於Qwen-1 8B模型進行對話要素抽取
7 3 基於Qwen的對話要素抽取模型微調
7 3 1 項目介紹
7 3 2 數據預處理
7 3 3 模型微調
7 3 4 模型預測
7 4 本章小結
第8章 Agent應用開發
8 1 Agent概述
8 2 Agent的主要模塊
8 3 Agent的行為決策機制
8 4 主流Agent框架
8 4 1 LangChain框架
8 4 2 LlamaIndex框架
8 4 3 AutoGPT框架
8 4 4 AutoGen框架
8 4 5 SuperAGI框架
8 5 本章小結
第9章基於知識庫的大型語言模型問答應用
9 1 基於知識庫問答
9 2 向量資料庫
9 2 1 文本的向量表徵
9 2 2 向量的距離度量方法
9 2 3 常用的向量資料庫
9 3 基於知識庫的大型語言模型問答實戰
9 3 1 BGE微調
9 3 2 基於ChatGLM3知識庫答案生成任務的微調
9 3 3 基於Streamlit的知識庫答案應用搭建
9 4 本章小結
第10章使用LangChain構建一個AutoGPT
10 1 AutoGPT概述
10 2 LangChain概述
10 3 使用LangChain構建AutoGPT
10 3 1 構建
10 3 2 規劃和任務分解
10 3 3 輸出解析
10 3 4 程序的核心AutoGPT類
10 3 5 工具能力配置
10 3 6 為Agent配置記憶
10 4 運行AutoGPT
10 5 本章小結
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。