内容简介
本书系统地介绍了大模型（Large Language Models）的基础知识，涵盖从Transformer架构、预训练方法、微调技术到推理优化等核心内容。作者结合前沿研究与实践经验，深入浅出地讲解了大模型的原理、训练技巧、应用场景以及面临的挑战，旨在帮助读者建立对大模型的全面认知。
书中不仅阐述了模型的结构与算法，还探讨了数据工程、并行训练、模型评估等关键环节，并提供了丰富的案例分析。无论是初学者还是从业者，都能从中获取宝贵的知识与启发。
目录
1 语言模型基础
1.1 基于统计方法的语言模型
1.2 基于RNN的语言模型
1.3 基于Transformer的语言模型
1.4 语言模型的采样方法
1.5 语言模型的评测
2 大语言模型架构
2.1 大数据+大模型→新智能
2.2 大语言模型架构概览
2.3 基于Encoder-only架构的大语言模型
2.4 基于Encoder-Decoder架构的大语言模型
2.5 基于Decoder-only架构的大语言模型
2.6 非Transformer架构
3 Prompt工程
3.1 Prompt工程简介
3.2 上下文学习
3.3 思维链
3.4 Prompt技巧
3.5 相关应用
4 参数高效微调
1.1 基于统计方法的语言模型
1.2 基于RNN的语言模型
1.3 基于Transformer的语言模型
1.4 语言模型的采样方法
1.5 语言模型的评测
2 大语言模型架构
2.1 大数据+大模型→新智能
2.2 大语言模型架构概览
2.3 基于Encoder-only架构的大语言模型
2.4 基于Encoder-Decoder架构的大语言模型
2.5 基于Decoder-only架构的大语言模型
2.6 非Transformer架构
3 Prompt工程
3.1 Prompt工程简介
3.2 上下文学习
3.3 思维链
3.4 Prompt技巧
3.5 相关应用
4 参数高效微调
4.1 参数高效微调简介
4.2 参数附加方法
4.3 参数选择方法
4.4 低秩适配方法
4.5 实践与应用
5 模型编辑
5.1 模型编辑简介
5.2 模型编辑经典方法
5.3 附加参数法：T-Patcher
5.4 定位编辑法：ROME
5.5 模型编辑应用
6 检索增强生成
6.1 检索增强生成简介
6.2 检索增强生成架构
6.3 知识检索
6.4 生成增强
6.5 实践与应用
4.2 参数附加方法
4.3 参数选择方法
4.4 低秩适配方法
4.5 实践与应用
5 模型编辑
5.1 模型编辑简介
5.2 模型编辑经典方法
5.3 附加参数法：T-Patcher
5.4 定位编辑法：ROME
5.5 模型编辑应用
6 检索增强生成
6.1 检索增强生成简介
6.2 检索增强生成架构
6.3 知识检索
6.4 生成增强
6.5 实践与应用
免责申明：
1. 本站分享的所有书籍均来源于自互联网，部分书籍中可能有压制者放置的广告，这并不是本站所为，请注意甄别。
2. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，不以盈利为目的。
3. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
4. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
5. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48小时内予以删除。
1. 本站分享的所有书籍均来源于自互联网，部分书籍中可能有压制者放置的广告，这并不是本站所为，请注意甄别。
2. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，不以盈利为目的。
3. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
4. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
5. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48小时内予以删除。
📖 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。
