内容简介
本书系统性地介绍了大语言模型的基本理论、核心技术和应用实践。内容涵盖大语言模型的发展历程、基础架构、预训练方法、微调技术、提示学习、知识增强、多模态融合以及安全对齐等关键方向。书中不仅深入解析了Transformer等主流模型结构，还详细讲解了大规模数据的获取与处理、分布式训练优化、模型压缩与推理加速等工程实现细节。此外，本书探讨了大语言模型在问答、对话、文本生成、信息检索等任务中的应用，并对模型的鲁棒性、偏见、可解释性等挑战进行了深入分析。本书适合人工智能领域的研究人员、工程师以及高校相关专业的学生阅读，旨在帮助读者全面理解大语言模型的技术体系，并为其进一步研究和应用提供参考。
目录
第一部分 背景与基础知识
第二章 基础介绍
第三章 大语言模型资源
第二部分 预训练
第四章 数据准备
第五章 模型架构
第六章 模型预训练
第三部分 微调与对齐
第七章 指令微调
第八章 人类对齐
第四部分 大模型使用
第九章 解码与部署
第十章 提示学习
第十一章 规划与智能体
第五部分 评测与应用
第十二章 评测
第十三章 应用
第十四章 总结
参考文献
第二章 基础介绍
第三章 大语言模型资源
第二部分 预训练
第四章 数据准备
第五章 模型架构
第六章 模型预训练
第三部分 微调与对齐
第七章 指令微调
第八章 人类对齐
第四部分 大模型使用
第九章 解码与部署
第十章 提示学习
第十一章 规划与智能体
第五部分 评测与应用
第十二章 评测
第十三章 应用
第十四章 总结
参考文献
重要申明：
本书由书友@乞活军发布分享，仅供学习交流使用，版权归原作者所有。如有侵权，请联系我们删除。
本书由书友@乞活军发布分享，仅供学习交流使用，版权归原作者所有。如有侵权，请联系我们删除。
📖 支持知识自由流动
每一本书的稳定访问，都离不开服务器、存储与带宽的长期维护。
