衡阳商城网站制作,免费下优化大师,企业网站建设报价单,网站建议公司本书主要面向希望系统学习大语言模型技术的读者#xff0c;将重点突出核心概念与 算法#xff0c;并且配以示例与代码#xff08;伪代码#xff09;帮助读者理解特定算法的实现逻辑。由于大语言模型技术的快速更迭#xff0c;本书无法覆盖所有相关内容#xff0c;旨在梳理…
本书主要面向希望系统学习大语言模型技术的读者将重点突出核心概念与 算法并且配以示例与代码伪代码帮助读者理解特定算法的实现逻辑。由于大语言模型技术的快速更迭本书无法覆盖所有相关内容旨在梳理最具代表性的基础知识内容帮助读者更好地了解大语言模型技术的核心知识点能够快速上手相关的科研与工程项目。为了配合本书的阅读与使用我们创建了一个 GitHub项目网站该网站收集了关于大语言模型的相关资源。
本书共设置了五个主要部分分别是背景与基础知识部分、预训练部分、微调与对齐部分、大模型使用部分以及评测与应用部分按照如下的内容组织进行设置
• 背景与基础知识部分. 第 2 章将首先介绍大语言模型的构建过程随后介绍大语言模型相关的背景知识以及重要概念包括涌现能力、扩展定律以及二者之间的联系与区别进一步介绍 GPT 系列模型的发展历程以及各个阶段的重要技术创新从而能够更好地了解大语言模型的技术升级历史。第 3 章将介绍目前大语言模型相关的资源信息包括公开可用的模型检查点与 API 、数据集合以及代码工具库为读者梳理与汇总相关资源。
131.5 本书的内容组织
• 预训练部分. 第 4 章将主要介绍预训练数据的准备工作主要包括数据的收集、清洗以及词元化方法随后将介绍数据课程的设计方法。第 5 章将主要介绍大语言模型的架构主要包括 Transformer 模型、各种组件的详细配置、长文本建模以及一些新型的模型架构。第 6 章将主要介绍预训练过程所涉及到的预训练任务、优化参数设置、可扩展的训练技术以及参数量计算与效率分析方法并通过相关实战代码进行讲解。
• 微调与对齐部分. 第 7 章将主要介绍指令微调所涉及的数据构建、优化策略进一步将介绍典型的轻量化微调技术减少模型训练的开销并且通过实践示例介绍指令微调的具体流程。第 8 章将主要介绍大模型的人类对齐技术将以RLHF 为主要方法进行详细介绍并且进一步介绍非强化学习的对齐方法最后探讨 SFT 与 RLHF 之间的关系。
• 大模型使用部分. 第 9 章将主要介绍大模型的解码与部署方法包括解码策略、解码加速算法、低资源部署策略以及其他模型压缩方法。第 10 章将主要介绍面向大语言模型的提示学习技术包括基础的提示学习设计方法、上下文学习方法以及思维链方法等。第 11 章将主要介绍面向复杂任务的规划技术探索如何将复杂任务进行有效分解并通过回溯、反思等关键技术形成有效的解决方案进一步将介绍如何构建基于大语言模型的智能体以及多智能体系统。
• 评测与应用部分. 第 12 章将主要介绍面向大语言模型性能的评测方法针对不同的能力维度介绍相关的评测集合、评测指标以及评测方法并且指出大语言模型目前存在的问题。第 13 章将主要介绍大语言模型的应用情况具体将分别从代表性的研究领域以及应用领域两个维度展开讨论我们将以代表性工作为驱动使得读者能够了解如何将大语言模型进行领域特化以及任务特化。
最后第 14 章将对于全文的内容进行总结进一步梳理目前每个部分存在的技术挑战以及研究趋势。
目录 本书内容截图 本书pdf免费下载地址
