AI大模型新书丨《大型语言模型实战指南：应用实践与场景落地》（附PDF）

前言

这是一本系统梳理并深解析大模型的基础理论、算法实现、数据构造流程、模型微调方法、偏好对齐方法的著作，也是一本能手把手教你构建角色扮演、信息抽取、知识问答、AI Agent等各种强大的应用程序的著作。

本书得到了零一万物、面壁智能、通义千问、百姓AI、澜舟科技等国内主流大模型团队的负责人的高度评价和鼎力推荐。具体地，通过本书你能了解或掌握以下知识：

• （1）大型语言模型的基础理论，包括常见的模型架构、领域大型语言模型以及如何评估大模型的性能。
• （2）大模型微调的关键步骤：从数据的收集、清洗到筛选，直至微调训练的技术细节。
• （3）大模型人类偏好对齐方法，从基于人工反馈的强化学习框架到当前主流的对齐方法。
• （4）通过GPTs快速搭建个性化的专属ChatGPT应用。
• （5）通过源模型在多种场景下搭建大模型应用，包括：表格查询、角色扮演、信息抽取、知识问答、AI Agent等。
• （6）掌握大模型Agent方法以及Agent常用框架。
• （7）基于LangChain框架构建一个AutoGPT应用。

本书集大模型理论、实践和场景落地于一体，提供大量经详细注释的代码，方便读者理解和实操。总之，不管里是想深研究大模型本身，还是行大模型相关应用搭建，本书都应该能给你颇具价值的技术启发与思考，让你在大模型的路上快速前行，少走弯路。

👉优快云大礼包🎁：全网最全《大型语言模型实战指南：应用实践与场景落地》免费分享（安全链接，放心点击）👈

​

目录

第1章 大型语言模型基础

1.1 Transformer基础

1.2 常用的大型语言模型

1.3 领域大型语言模型

1.4 大型语言模型评估

1.5 本章小结

第2章 大型语言模型的常用微调方法

2.1 数据构造与清洗

2.2 分词器构造

2.3 大型语言模型的微调方法

2.4 基于PEFT的LLaMA模型微调实战

2.5 本章小结

第3章 大型语言模型的人类偏好对齐

3.1 基于人类反馈的强化学习框架

3.2 前沿偏好对齐方法

3.3 基于DPO的偏好对齐实战

3.4 本章小结

第4章 创建个人专属的ChatGPT

4.1 GPTs初体验

4.2 GPTs的初阶使用

4.3 GPTs的高阶使用

4.4 本章小结

第5章 大型语言模型SQL任务实战

5.1 公开数据集
5.2 主流方法
5.3 Text2SQL任务实战
5.4 本章小结

第6章 大型语言模型的角色扮演应用

6.1 角色扮演

6.2 角色扮演实战测试

6.3 基于Baichuan的角色扮演模型微调

6.4 本章小结

第7章 大型语言模型的对话要素抽取应用

7.1 对话要素抽取

7.2 对话要素抽取实战测试

7.3 基于Qwen的对话要素抽取模型微调

7.4 本章小结

第8章 Agent应用开发

8.1 Agent概述

8.2 Agent的主要模块

8.3 Agent的行为决策机制

8.4 主流Agent框架

8.5 本章小结

第9章 基于知识库的大型语言模型问答应用

9.1 基于知识库问答

9.2 向量数据库

9.3 基于知识库的大型语言模型问答实战

9.4 本章小结

第10章 使用LangChain构建一个AutoGPT

10.1 AutoGPT概述
10.2 LangChain概述
10.3 使用LangChain构建AutoGPT
10.4 运行AutoGPT
10.5 本章小结

👉优快云大礼包🎁：全网最全《大型语言模型实战指南：应用实践与场景落地》免费分享（安全链接，放心点击）👈

​