作品简介
本书从技术角度深度解析大模型的原理,从大模型的基础概念及领域发展现状入手,概述大模型的理论基础,介绍OpenAI GPT、清华大学GLM、Meta Llama等主流大模型的技术原理,并从大模型参数高效微调、大模型指令微调、大模型训练优化和大模型推理优化等多角度解析大模型背后的技术,带领读者全方位掌握大模型的原理和实践方法。
本书最后介绍私有大模型的构建,手把手指导读者做技术选型并搭建自己的私有大模型。
出版时间2025-01-01
共 15 章
内容提要试读
前言试读
资源与支持试读
第1章 大模型简介试读
第2章 大模型理论基础
第3章 OpenAI GPT系列大模型
第4章 清华大学通用预训练模型——GLM
第5章 Meta开源大模型——Llama
第6章 大模型参数高效微调
第7章 大模型指令微调
第8章 大模型训练优化
第9章 大模型推理优化
第10章 AIGC和大模型结合
第11章 大模型和推荐系统结合
第12章 构建私有大模型

