開(kāi)啟智能對(duì)話(huà)新紀(jì)元：大規(guī)模語(yǔ)言模型的探索與實(shí)踐

定　價(jià)：￥99.00

作　者：	蔡華、徐清、宣曉華
出版社：	清華大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

當(dāng)當(dāng)網(wǎng) (￥94.10)

ISBN：	9787302678533	出版時(shí)間：	2024-12-01	包裝：	平裝-膠訂
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)深度探討了當(dāng)今科技領(lǐng)域最引人注目的大規(guī)模語(yǔ)言模型相關(guān)技術(shù)，內(nèi)容主要圍繞大規(guī)模語(yǔ)言模型構(gòu)建、評(píng)估和應(yīng)用展開(kāi)，分為以下四部分：第 1～5章主要介紹大規(guī)模語(yǔ)言模型的發(fā)展歷程及其訓(xùn)練相關(guān)內(nèi)容，包括語(yǔ)言模型的基本架構(gòu)、大規(guī)模語(yǔ)言模型的高效微調(diào)技術(shù)、人類(lèi)反饋強(qiáng)化學(xué)習(xí)和模型的分布式訓(xùn)練；第 6和 7章主要介紹大規(guī)模語(yǔ)言模型的推理優(yōu)化技術(shù)、推理加速框架和模型的評(píng)估；第 8～10章主要介紹大規(guī)模語(yǔ)言模型擴(kuò)展和應(yīng)用，包括大規(guī)模語(yǔ)言模型和知識(shí)的融合、多模態(tài)大規(guī)模語(yǔ)言模型的技術(shù)介紹和其智能體擴(kuò)展應(yīng)用，以及大規(guī)模語(yǔ)言模型的垂直領(lǐng)域應(yīng)用；第 11章主要介紹大規(guī)模語(yǔ)言模型研究的困難、挑戰(zhàn)和未來(lái)潛在研究方向。本書(shū)面向技術(shù)愛(ài)好者、從業(yè)者、學(xué)術(shù)研究者和一般讀者。它提供大規(guī)模語(yǔ)言模型相關(guān)的全面介紹，幫助從業(yè)人員和專(zhuān)業(yè)人士了解大規(guī)模語(yǔ)言模型的應(yīng)用及技術(shù)原理，支持學(xué)術(shù)界研究前沿技術(shù)，并以通俗的語(yǔ)言幫助讀者理解這一技術(shù)及其對(duì)生活的影響。

作者簡(jiǎn)介

暫缺《開(kāi)啟智能對(duì)話(huà)新紀(jì)元：大規(guī)模語(yǔ)言模型的探索與實(shí)踐》作者簡(jiǎn)介

圖書(shū)目錄

第 1章大規(guī)模語(yǔ)言模型的背景介紹 1
11語(yǔ)言建模的發(fā)展階段 2
12大規(guī)模語(yǔ)言模型帶來(lái)的機(jī)遇 3
第 2章從統(tǒng)計(jì)語(yǔ)言模型到預(yù)訓(xùn)練語(yǔ)言模型 5
21統(tǒng)計(jì)語(yǔ)言模型 6
22神經(jīng)網(wǎng)絡(luò)語(yǔ)言模型 7
221前饋神經(jīng)網(wǎng)絡(luò)語(yǔ)言模型 7
222循環(huán)神經(jīng)網(wǎng)絡(luò)語(yǔ)言模型 8
223長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)語(yǔ)言模型 9
224 Word2Vec詞向量表示模型 10
23 預(yù)訓(xùn)練語(yǔ)言模型 12
ELMo 12
231 Transformer13
232 BERT 22
233 ELECTRA 23
234 GPT 1-325
235 BART 29
236 T5 31
237
第 3章大規(guī)模語(yǔ)言模型的框架結(jié)構(gòu) 34
31編碼器結(jié)構(gòu)36
32 編碼器-解碼器結(jié)構(gòu) 36
GLM36
321 UL2 41
322
33 解碼器結(jié)構(gòu)43
PaLM43
331 BLOOM45
332 InstructGPT47
333
34 LLaMA家族 50
341預(yù)訓(xùn)練數(shù)據(jù) 52
342模型架構(gòu) 53
343中文 LLaMA 62
344中文 Alpaca66
第 4章大規(guī)模語(yǔ)言模型的訓(xùn)練方法 69
41模型的訓(xùn)練成本 71
411算力估算 71
412費(fèi)用和能耗 72
42有監(jiān)督微調(diào)74
421提示學(xué)習(xí) 75
422上下文學(xué)習(xí) 76
423指令微調(diào) 77
43參數(shù)高效微調(diào) 78
431部分參數(shù)的高效微調(diào)79
432參數(shù)增加的高效微調(diào)80
433重參數(shù)化的高效微調(diào)91
434混合高效微調(diào)系列 97
44人類(lèi)反饋強(qiáng)化學(xué)習(xí)100
441強(qiáng)化學(xué)習(xí) 101
442近端策略?xún)?yōu)化104
443人類(lèi)反饋對(duì)齊111
45大模型災(zāi)難性遺忘123
第 5章大模型分布式并行技術(shù)125
51分布式系統(tǒng)125
52數(shù)據(jù)并行 129
521輸入數(shù)據(jù)切分130
522模型參數(shù)同步131
523數(shù)據(jù)并行優(yōu)化132

53模型并行 134
531 張量并行 134
532 流水線(xiàn)并行 139
533 優(yōu)化器相關(guān)并行 141
54其他并行 146
541 異構(gòu)系統(tǒng)并行146
542 專(zhuān)家并行 147
543 多維混合并行148
544 自動(dòng)并行 149
55并行訓(xùn)練框架 149
551 Megatron-LM152
552 DeepSpeed159
Colossal-AI163
553
第 6章大規(guī)模語(yǔ)言模型解碼推理優(yōu)化相關(guān)技術(shù) 168
61解碼方法 168
611 基于搜索的解碼方法169
612 基于采樣的解碼方法171
62推理優(yōu)化方法 174
621 推理原理 177
622 推理加速 177
63模型壓縮技術(shù) 179
631 量化 181
632 剪枝 184
633 蒸餾 186
64顯存優(yōu)化技術(shù) 187
641 鍵值緩存 187
642 注意力優(yōu)化 188
65算子優(yōu)化技術(shù) 195
651 算子融合 195
652 高性能算子 195
66推理加速框架 195
661 HuggingFace TGI196
vLLM197
662
663 LightLLM200
第 7章大規(guī)模語(yǔ)言模型的評(píng)估203
71評(píng)估概述 205
72評(píng)估體系 206

721知識(shí)與能力 207
722倫理與安全 209
73評(píng)估方法 212
731自動(dòng)評(píng)估 213
732人工評(píng)估 217
733其他評(píng)估 221
74評(píng)估領(lǐng)域 223
741通用領(lǐng)域 223
742特定領(lǐng)域 226
743綜合評(píng)測(cè) 227
75評(píng)估挑戰(zhàn) 232
第 8章大規(guī)模語(yǔ)言模型與知識(shí)的結(jié)合233
81知識(shí)和知識(shí)表示 233
82知識(shí)圖譜簡(jiǎn)介 236
83大規(guī)模語(yǔ)言模型和知識(shí)圖譜的結(jié)合 238
84知識(shí)圖譜增強(qiáng)大規(guī)模語(yǔ)言模型 240
841 LLM預(yù)訓(xùn)練階段240
842 LLM評(píng)估階段 245
843 LLM推理階段 247
85大規(guī)模語(yǔ)言模型增強(qiáng)知識(shí)圖譜 249
851知識(shí)圖譜嵌入249
852知識(shí)圖譜補(bǔ)全251
853知識(shí)圖譜構(gòu)建257
854知識(shí)圖譜到文本生成263
855知識(shí)圖譜問(wèn)答265
86大規(guī)模語(yǔ)言模型和知識(shí)圖譜協(xié)同267
861知識(shí)表示 267
862知識(shí)推理 268
87知識(shí)檢索增強(qiáng)大規(guī)模語(yǔ)言模型工程應(yīng)用268
871結(jié)構(gòu)化數(shù)據(jù) 269
872結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù) 270
873向量數(shù)據(jù)庫(kù) 272
874 LangChain知識(shí)庫(kù)問(wèn)答276
88未來(lái)的發(fā)展方向 279
第 9章多模態(tài)大規(guī)模語(yǔ)言模型技術(shù)應(yīng)用 281
91多模態(tài)指令調(diào)節(jié) 285
911模態(tài)對(duì)齊 286

912數(shù)據(jù)收集 287
913模態(tài)橋接 290
914模型評(píng)估 292
92多模態(tài)上下文學(xué)習(xí)296
93多模態(tài)思維鏈 299
931模態(tài)連接 299
932學(xué)習(xí)范式 300
933鏈的配置和形式 301
94 LLM輔助視覺(jué)推理 301
941訓(xùn)練范式 303
942功能角色 305
943模型評(píng)估 307
95 LLM擴(kuò)展智能體 307
951智能體308
952記憶模塊 312
953任務(wù)規(guī)劃 314
954動(dòng)作模塊 317
955評(píng)估策略 319
96多模態(tài)語(yǔ)言模型挑戰(zhàn) 323
961技術(shù)問(wèn)題 323
962成本問(wèn)題 323
963社會(huì)問(wèn)題 324
第 10章大規(guī)模語(yǔ)言模型應(yīng)用 326
101法律領(lǐng)域 328
1011法律提示研究329
1012法律綜合評(píng)估332
102教育領(lǐng)域 336
1021能力評(píng)估 336
1022倫理問(wèn)題 340
1023問(wèn)答應(yīng)用 341
103金融領(lǐng)域 342
1031智能應(yīng)用場(chǎng)景346
1032困難和挑戰(zhàn) 347
104生物醫(yī)療 348
1041潛力和價(jià)值 348
1042應(yīng)用的場(chǎng)景 351
1043困難和挑戰(zhàn) 355
105代碼生成 356

1051代碼生成問(wèn)題356
1052代碼大規(guī)模語(yǔ)言模型357
1053發(fā)展趨勢(shì) 361
第 11章展望和結(jié)論 363
111局限和挑戰(zhàn) 363
1111局限 363
1112挑戰(zhàn) 364
112方向和建議 365
1121數(shù)據(jù)方面 365
1122技術(shù)方面 365
1123應(yīng)用方面 366
1124方向建議 366
113值得探索的研究 368
1131基礎(chǔ)理論研究369
1132高效計(jì)算研究370
1133安全倫理研究371
1134數(shù)據(jù)和評(píng)估研究 372
1135認(rèn)知學(xué)習(xí)問(wèn)題373
1136高效適配研究374
參考文獻(xiàn) 376