1.理论实践融合,采用创新教学策略，将自然语言处理和大语言模型的理论知识与实际项目案例紧密结合，助读者学以致用。 2.内容系统全面，本书涵盖从LLM基础知识、架构剖析，到提示技术、RAG、智能体、微调、部署与优化等内容，全方位覆盖LLM发关键内容。 3.紧跟前沿技术，本书基于当下LLM发展，探讨最新技术和应用，如热门框架LlamaIndex 和 LangChain，助读者掌握行业动态。
售 价：¥
纸质售价：¥85.60购买纸书
6.7
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
内容提要
对本书的赞誉
作者简介
致谢
前言
资源与支持
资源获取
提交勘误
与我们联系
关于异步社区和异步图书
第1章 LLM简介
1.1 语言模型简史
1.2 什么是LLM
1.3 LLM的组成
1.4 本章小结
第2章 LLM架构和概况
2.1 理解Transformer
2.2 Transformer架构的设计选择
2.3 生成式预训练Transformer（GPT）架构
2.4 LMM简介
2.5 专有模型vs.开放模型vs.开源模型
2.6 LLM的应用和示例
2.7 本章小结
第3章 LLM实践
3.1 理解幻觉和偏见
3.2 LLM性能评估
3.3 本章小结
第4章 提示技术简介
4.1 提示词和提示工程
4.2 提示技术
4.3 提示注入与安全
4.4 本章小结
第5章 RAG
5.1 为什么使用RAG
5.2 嵌入向量
5.3 向量数据库与向量存储
5.4 从头构建一个RAG管道
5.5 本章小结
第6章 LangChain和LlamaIndex简介
6.1 LLM框架
6.2 LangChain介绍
6.3 项目1：使用LangChain构建LLM驱动的应用
6.4 项目2：构建新闻文章摘要器
6.5 LlamaIndex介绍
6.6 LangChain、LlamaIndex与OpenAI Assistants
6.7 本章小结
第7章 使用LangChain进行提示
7.1 LangChain提示模板
7.2 小样本提示和样例选择器
7.3 LangChain链
7.4 项目1：使用输出解析器管理输出
7.5 项目2：新闻文章摘要器的改进
7.6 项目3：基于文本数据创建知识图谱——揭示隐藏的连接
7.7 本章小结
第8章 索引、检索与数据预处理
8.1 LangChain的索引和检索器
8.2 数据摄取
8.3 文本切分器
8.4 相似性搜索与嵌入向量
8.5 项目1：客服问答聊天机器人
8.6 项目2：基于Whisper和LangChain的YouTube视频摘要器
8.7 项目3：为你的知识库创建语音助手
8.8 通过自批判链防止输出不良内容
8.9 在客服问答聊天机器人中防止输出不良内容
8.10 本章小结
第9章 高级RAG
9.1 从概念验证到产品：RAG系统的挑战
9.2 使用LlamaIndex的高级RAG技术
9.3 LlamaIndex查询
9.4 RAG指标与评估
9.5 LangChain的LangSmith与LangChain Hub
9.6 本章小结
第10章 智能体
10.1 什么是智能体：大模型作为推理引擎
10.2 AutoGPT和BabyAGI概述
10.3 LangChain中的智能体仿真项目
10.4 项目1：构建创建分析报告的智能体
10.5 项目2：使用LlamaIndex查询和汇总数据库
10.6 项目3：使用OpenAI Assistants构建智能体
10.7 项目4：LangChain OpenGPTs
10.8 项目5：对PDF中的财务信息进行多模态分析
10.9 本章小结
第11章 微调
11.1 理解微调
11.2 LoRA
11.3 项目1：使用LoRA进行SFT
11.4 项目2：使用SFT和LoRA进行金融情感分析
11.5 项目3：用医疗数据微调Cohere LLM
11.6 RLHF
11.7 项目4：使用RLHF改进LLM
11.8 本章小结
第12章 部署与优化
12.1 模型蒸馏和教师模型
12.2 LLM部署优化：量化、剪枝和投机解码
12.3 项目：使用谷歌云平台上的CPU部署量化模型
12.4 在云服务提供商上部署开源LLM
12.5 本章小结
总 结
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
