掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
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(全彩) 版權信息
- ISBN：9787121475986
- 條形碼：9787121475986 ; 978-7-121-47598-6
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
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(全彩) 本書特色
探索智能前沿，駕馭模型力量！ 這是一本能讓你真正將大語言模型用起來的專業指南！ 通俗：通篇用生活案例講解，對人工智能或編程技術小白讀者非常友好！ 前沿：從大語言模型的核心原理、工作流程等，再到提示工程、長短期記憶、GPTs、Agent系統、微調與安全技術、GPT-4V與Gemini、尺度定律與壓縮即智能等新技術點。 本書用4篇帶你逐層攀登，從此駕馭大語言模型，共赴智慧科技的星辰大海！ ★第1篇夯實基礎，探索機器學習、神經網絡、自然語言處理和大語言模型的基礎。 ★第2篇實踐應用，包括交互格式、提示工程、工作記憶與長短期記憶，外部工具和GPTs的開發。 ★第3篇拓寬邊界，涵蓋無梯度優化、自主Agent系統、大語言模型微調以及安全技術等。 ★第4篇洞見未來，探討多模態大語言模型、尺度定律、壓縮即智能、圖靈機與大語言模型的關聯等。
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(全彩) 內容簡介
本書是一本對人工智能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復雜概念，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優選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。
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(全彩) 目錄
第1篇 基礎
第1章 從人工智能的起源到大語言模型 2
1.1 人工智能的起源 2
1.1.1 機器能思考嗎 2
1.1.2 達特茅斯會議 3
1.2 什么是機器學習 4
1.2.1 演繹推理與歸納推理 4
1.2.2 人工編程與自動編程 5
1.2.3 機器學習的過程 5
1.2.4 機器學習的分類 8
1.3 什么是神經網絡 9
1.3.1 還原論與涌現性 9
1.3.2 神經網絡的發展歷史 10
1.3.3 神經網絡基礎 11
1.3.4 神經網絡的三要素 13
1.4 自然語言處理的發展歷程 17
1.4.1 什么是自然語言處理 17
1.4.2 文本的向量化 18
1.4.3 神經網絡中的自監督學習 21
1.5 大語言模型 24
1.5.1 什么是大語言模型 24
1.5.2 語言模型中的token 25
1.5.3 自回歸模型與文本生成 33
1.5.4 統一自然語言任務 41
1.5.5 大語言模型的訓練過程 44
1.5.6 大語言模型的局限性 46
第2篇 入門
第2章 交互格式 50
2.1 Completion交互格式 50
2.2 ChatML交互格式 52
2.3 Chat Completion交互格式 54
第3章 提示工程 57
3.1 什么是提示工程 57
3.2 提示的構成 58
3.3 提示的基礎技巧 62
3.3.1 在提示的末尾重復關鍵指令 63
3.3.2 使用更清晰的語法 63
3.3.3 盡量使用示例 65
3.3.4 明確要求大語言模型回復高質量的響應 65
3.4 Chat Completion交互格式中的提示 65
3.5 提示模板與多輪對話 69
第4章 工作記憶與長短期記憶 72
4.1 什么是工作記憶 72
4.2 減輕工作記憶的負擔 74
4.2.1 Chain-of-Thought 74
4.2.2 Self-Consistency 76
4.2.3 Least-to-Most 76
4.2.4 Tree-of-Tought和Graph -of-Tought 79
4.2.5 Algorithm-of-Tought 85
4.2.6 Chain-of-Density 88
4.3 關于大語言模型的思考能力 90
4.4 長短期記憶 91
4.4.1 什么是記憶 91
4.4.2 短期記憶 92
4.4.3 長期記憶 105
第5章 外部工具 122
5.1 為什么需要外部工具 122
5.2 什么是外部工具 122
5.3 使用外部工具的基本原理 124
5.4 基于提示的工具 126
5.4.1 Self-ask 框架 126
5.4.2 ReAct 框架 128
5.4.3 改進ReAct框架 134
5.5 基于微調的工具 137
5.5.1 Toolformer 137
5.5.2 Gorilla 140
5.5.3 function calling 141
第6章 ChatGPT接口與擴展功能詳解 149
6.1 OpenAI大語言模型簡介 149
6.2 ChatGPT擴展功能原理 151
6.2.1 網頁實時瀏覽 152
6.2.2 執行Python代碼 153
6.2.3 圖像生成 154
6.2.4 本地文件瀏覽 157
6.3 Chat Completion接口參數詳解 158
6.3.1 模型響應返回的參數 158
6.3.2 向模型發起請求的參數 159
6.4 Assistants API 162
6.4.1 工具 162
6.4.2 線程 163
6.4.3 運行 163
6.4.4 Assistants API整體執行過程 164
6.5 GPTs與GPT商店 164
6.5.1 GPTs功能詳解 165
6.5.2 GPT商店介紹 172
6.5.3 案例：私人郵件助手 174
第3篇 進階
第7章 無梯度優化 184
7.1 單步優化 184
7.2 強化學習入門 188
7.3 多步優化中的預測 191
7.4 多步優化中的訓練 194
7.5 多步優化中的訓練和預測 201
第8章 自主Agent系統 210
8.1 自主Agent系統簡介 210
8.2 自主Agent系統的基本組成 211
8.3 自主Agent系統案例分析（一） 213
8.3.1 BabyAGI 213
8.3.2 AutoGPT 216
8.3.3 BeeBot 221
8.3.4 Open Interpreter 228
8.3.5 MemGPT 232
8.4 自主Agent系統案例分析（二） 243
8.4.1 CAMEL 243
8.4.2 ChatEval 246
8.4.3 Generative Agents 250
第9章 微調 262
9.1 三類微調方法 262
9.2 Transformer解碼器詳解 264
9.2.1 Transformer的原始輸入 264
9.2.2 靜態編碼和位置編碼 264
9.2.3 Transformer層 265
9.3 高效參數微調 268
9.3.1 Adapter高效微調 268
9.3.2 Prompt高效微調 269
9.3.3 LoRA高效微調 272
9.3.4 高效微調總結 274
9.4 微調RAG框架 275
9.4.1 RAG框架微調概述 275
9.4.2 數據準備和參數微調 276
9.4.3 效果評估 276
第10章 大語言模型的安全技術 280
10.1 提示注入攻擊 280
10.1.1 攻擊策略 281
10.1.2 防御策略 284
10.2 越獄攻擊與數據投毒 285
10.2.1 沖突的目標與不匹配的泛化 285
10.2.2 對抗樣本 286
10.2.3 數據投毒 289
10.3 幻覺和偏見問題 292
10.4 為大語言模型添加水印 294
第4篇 展望
第11章 大語言模型的生態與未來 298
11.1 多模態大語言模型 298
11.1.1 什么是多模態 298
11.1.2 GPT-4V簡介 300
11.1.3 Gemini簡介 303
11.2 大語言模型的生態系統 308
11.3 大語言模型的**性原理：尺度定律 311
11.3.1 什么是尺度定律 312
11.3.2 尺度定律的性質 313
11.3.3 尺度定律的未來 320
11.4 通向通用人工智能：壓縮即智能 321
11.4.1 編碼與無損壓縮 322
11.4.2 自回歸與無損壓縮 331
11.4.3 無損壓縮的極限 336
11.5 圖靈機與大語言模型：可計算性與時間復雜度 342
11.5.1 圖靈機與神經網絡 342
11.5.2 智能的可計算性 346
11.5.3 邏輯推理的時間復雜度 349
參考文獻 352
第1章 從人工智能的起源到大語言模型 2
1.1 人工智能的起源 2
1.1.1 機器能思考嗎 2
1.1.2 達特茅斯會議 3
1.2 什么是機器學習 4
1.2.1 演繹推理與歸納推理 4
1.2.2 人工編程與自動編程 5
1.2.3 機器學習的過程 5
1.2.4 機器學習的分類 8
1.3 什么是神經網絡 9
1.3.1 還原論與涌現性 9
1.3.2 神經網絡的發展歷史 10
1.3.3 神經網絡基礎 11
1.3.4 神經網絡的三要素 13
1.4 自然語言處理的發展歷程 17
1.4.1 什么是自然語言處理 17
1.4.2 文本的向量化 18
1.4.3 神經網絡中的自監督學習 21
1.5 大語言模型 24
1.5.1 什么是大語言模型 24
1.5.2 語言模型中的token 25
1.5.3 自回歸模型與文本生成 33
1.5.4 統一自然語言任務 41
1.5.5 大語言模型的訓練過程 44
1.5.6 大語言模型的局限性 46
第2篇 入門
第2章 交互格式 50
2.1 Completion交互格式 50
2.2 ChatML交互格式 52
2.3 Chat Completion交互格式 54
第3章 提示工程 57
3.1 什么是提示工程 57
3.2 提示的構成 58
3.3 提示的基礎技巧 62
3.3.1 在提示的末尾重復關鍵指令 63
3.3.2 使用更清晰的語法 63
3.3.3 盡量使用示例 65
3.3.4 明確要求大語言模型回復高質量的響應 65
3.4 Chat Completion交互格式中的提示 65
3.5 提示模板與多輪對話 69
第4章 工作記憶與長短期記憶 72
4.1 什么是工作記憶 72
4.2 減輕工作記憶的負擔 74
4.2.1 Chain-of-Thought 74
4.2.2 Self-Consistency 76
4.2.3 Least-to-Most 76
4.2.4 Tree-of-Tought和Graph -of-Tought 79
4.2.5 Algorithm-of-Tought 85
4.2.6 Chain-of-Density 88
4.3 關于大語言模型的思考能力 90
4.4 長短期記憶 91
4.4.1 什么是記憶 91
4.4.2 短期記憶 92
4.4.3 長期記憶 105
第5章 外部工具 122
5.1 為什么需要外部工具 122
5.2 什么是外部工具 122
5.3 使用外部工具的基本原理 124
5.4 基于提示的工具 126
5.4.1 Self-ask 框架 126
5.4.2 ReAct 框架 128
5.4.3 改進ReAct框架 134
5.5 基于微調的工具 137
5.5.1 Toolformer 137
5.5.2 Gorilla 140
5.5.3 function calling 141
第6章 ChatGPT接口與擴展功能詳解 149
6.1 OpenAI大語言模型簡介 149
6.2 ChatGPT擴展功能原理 151
6.2.1 網頁實時瀏覽 152
6.2.2 執行Python代碼 153
6.2.3 圖像生成 154
6.2.4 本地文件瀏覽 157
6.3 Chat Completion接口參數詳解 158
6.3.1 模型響應返回的參數 158
6.3.2 向模型發起請求的參數 159
6.4 Assistants API 162
6.4.1 工具 162
6.4.2 線程 163
6.4.3 運行 163
6.4.4 Assistants API整體執行過程 164
6.5 GPTs與GPT商店 164
6.5.1 GPTs功能詳解 165
6.5.2 GPT商店介紹 172
6.5.3 案例：私人郵件助手 174
第3篇 進階
第7章 無梯度優化 184
7.1 單步優化 184
7.2 強化學習入門 188
7.3 多步優化中的預測 191
7.4 多步優化中的訓練 194
7.5 多步優化中的訓練和預測 201
第8章 自主Agent系統 210
8.1 自主Agent系統簡介 210
8.2 自主Agent系統的基本組成 211
8.3 自主Agent系統案例分析（一） 213
8.3.1 BabyAGI 213
8.3.2 AutoGPT 216
8.3.3 BeeBot 221
8.3.4 Open Interpreter 228
8.3.5 MemGPT 232
8.4 自主Agent系統案例分析（二） 243
8.4.1 CAMEL 243
8.4.2 ChatEval 246
8.4.3 Generative Agents 250
第9章 微調 262
9.1 三類微調方法 262
9.2 Transformer解碼器詳解 264
9.2.1 Transformer的原始輸入 264
9.2.2 靜態編碼和位置編碼 264
9.2.3 Transformer層 265
9.3 高效參數微調 268
9.3.1 Adapter高效微調 268
9.3.2 Prompt高效微調 269
9.3.3 LoRA高效微調 272
9.3.4 高效微調總結 274
9.4 微調RAG框架 275
9.4.1 RAG框架微調概述 275
9.4.2 數據準備和參數微調 276
9.4.3 效果評估 276
第10章 大語言模型的安全技術 280
10.1 提示注入攻擊 280
10.1.1 攻擊策略 281
10.1.2 防御策略 284
10.2 越獄攻擊與數據投毒 285
10.2.1 沖突的目標與不匹配的泛化 285
10.2.2 對抗樣本 286
10.2.3 數據投毒 289
10.3 幻覺和偏見問題 292
10.4 為大語言模型添加水印 294
第4篇 展望
第11章 大語言模型的生態與未來 298
11.1 多模態大語言模型 298
11.1.1 什么是多模態 298
11.1.2 GPT-4V簡介 300
11.1.3 Gemini簡介 303
11.2 大語言模型的生態系統 308
11.3 大語言模型的**性原理：尺度定律 311
11.3.1 什么是尺度定律 312
11.3.2 尺度定律的性質 313
11.3.3 尺度定律的未來 320
11.4 通向通用人工智能：壓縮即智能 321
11.4.1 編碼與無損壓縮 322
11.4.2 自回歸與無損壓縮 331
11.4.3 無損壓縮的極限 336
11.5 圖靈機與大語言模型：可計算性與時間復雜度 342
11.5.1 圖靈機與神經網絡 342
11.5.2 智能的可計算性 346
11.5.3 邏輯推理的時間復雜度 349
參考文獻 352
展開全部
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(全彩) 相關資料
本書系統地解析了大語言模型的內在原理與實戰應用，內容由淺入深，兼顧理論性與實用性，無論是初學者還是專家，皆能有所收獲。作者的無私分享，以及與讀者的積極互動，必將激發讀者對AI技術的探索熱情與創新動力。 Stori技術副總裁 ◇ 高瀾 本書不僅深入淺出地解釋了大語言模型的工作原理，更重要的是，還提供了一系列的應用技巧及對應的實踐案例，引導讀者有效地應用大語言模型解決實際問題。從ChatGPT的基本操作到進階調優方法，展示了實戰經驗和作者的深入見解。本書不僅是一本技術手冊，更像指引我們未來方向的指南針。 南京大學軟件學院副院長、副教授 ◇ 劉嘉 作為從業人員，我對部分技術已有較深的了解，但本書對相關技術清晰全面的梳理仍然讓我覺得收獲良多。無論您是大模型的開發者還是使用者，本書都不容錯過，它將為您打開AI的黑盒，照亮通向智能未來的道路。 Google AI 資深研究員◇ 李思揚 身為一名互聯網教育公司的CTO，我對教育技術的應用和發展保持著持續的關注。本書不僅為我提供了寶貴的知識資源，也啟發了我思考如何將大語言模型技術融入教育領域，以創造更加個性化的互動學習體驗。 指南者留學聯合創始人兼CTO ◇ 陸文斌 本書是全面深入探討大語言模型的著作，不僅詳細地介紹了人工智能的基本概念、原理和技術，還探討了ChatGPT應用、優化的方法及技巧，與此同時，介紹了大語言模型進階應用技巧，例如自主Agent系統、微調技術等，不僅適合初學者，也適合行業專家和領導作為參考。 歐加集團營銷技術負責人 ◇ 孟凡超 本書為大語言模型提供了一幅清晰的技術藍圖，從基礎背景、入門概念、進階理論到未來展望，一應俱全。 哥倫比亞大學博士、深度學習專家、華東師范大學計算機系教授 ◇ 王駿 本書以通俗易懂的語言系統介紹了大語言模型的核心概念、技術要點和應用方法，對于希望探索人工智能前沿技術的讀者來說，是不可多得的指南。 Meta資深機器學習工程師 ◇ 鄒方宇
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(全彩) 作者簡介
萬俊，南京大學計算數學專業本碩；現任中國香港瑞銀軟件工程師；OPPO前高級數據挖掘工程師 ；螞蟻集團前高級機器學習、數據工程師 ；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CCF A類論文一篇，EI論文一篇，神經網絡測試專利一個 ；LeetCode專欄作家，著有“Enlighten AI”專欄。
書友推薦
- >
李白與唐代文化
- >
名家帶你讀魯迅:故事新編
- >
羅曼·羅蘭讀書隨筆-精裝
- >
我與地壇
- >
苦雨齋序跋文-周作人自編集
- >
自卑與超越
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
本類暢銷
