| 开本：16开 |
| 纸张：胶版纸 |
| 包装：平装-胶订 |
| 是否套装：否 |
| 国际标准书号ISBN：9787115670830 |
| 所属分类：图书>计算机/网络>计算机理论 |
编辑推荐
【直观】幅全彩插图，很好视觉化呈现 【全面】涵盖大模型原理、应用开发、优化 【实操】真实数据集，实用项目，典型场景 【热点】幅图深度解读底层原理 【附赠】一键运行代码大模型面试题问 【视频】大量线上拓展资料，包括文章、视频商品详情内容简介
本书全程图解式讲解，通过大量全彩插图拆解概念，让读者真正告别学习大模型的枯燥和复杂。
全书分为三部分，依次介绍语言模型的原理、应用及优化。第一部分 理解语言模型（第章），解析语言模型的核心概念，包括词元、嵌入向量及架构，帮助读者建立基础认知。第二部分 使用预训练语言模型（第章），介绍如何使用大模型进行文本分类、聚类、语义搜索、文本生成及多模态扩展，提升模型的应用能力。第三部分 训练和微调语言模型（第章），探讨大模型的训练与微调方法，包括嵌入模型的构建、分类任务的优化及生成式模型的微调，以适应特定需求。
本书适合对大模型感兴趣的开发者、研究人员和行业从业者。读者无须深度学习基础，只要会用，就可以通过本书深入理解大模型的原理并上手大模型应用开发。书中示例还可以一键在线运行，让学习过程更轻松。
目 录
对本书的赞誉
对本书中文版的赞誉
译者序
中文版序
前言
第一部分理解语言模型
第章大语言模型简介
什么是语言人工智能
语言人工智能的近期发展史
将语言表示为词袋模型
用稠密向量嵌入获得更好的表示
嵌入的类型
使用注意力机制编解码上下文
“ ”对本书的赞誉
对本书中文版的赞誉
译者序
中文版序
前言
第一部分理解语言模型
第章大语言模型简介
什么是语言人工智能
语言人工智能的近期发展史
将语言表示为词袋模型
用稠密向量嵌入获得更好的表示
嵌入的类型
使用注意力机制编解码上下文
“ ”
表示模型：仅编码器模型
生成模型：仅解码器模型
生成式元年
“”定义的演变
的训练范式
的应用
开发和使用负责任的
有限的资源就够了
与交互
专有模型
开源模型
开源框架
生成你的第一段文本
小结
第章词元和嵌入
的分词
分词器如何处理语言模型的输入
下载和运行
分词器如何分解文本
词级、子词级、字符级与字节级分词
比较训练好的分词器
分词器属性
词元嵌入
语言模型为其分词器的词表保存嵌入
使用语言模型创建与上下文相关的词嵌入
文本嵌入（用于句子和整篇文档）
之外的词嵌入
使用预训练词嵌入
算法与对比训练
推荐系统中的嵌入
基于嵌入的歌曲推荐
训练歌曲嵌入模型
小结
第章的内部机制
模型概述
已训练的输入和输出
前向传播的组成
从概率分布中选择单个词元（采样解码）
并行词元处理和上下文长度
通过缓存键值加速生成过程
块的内部结构
架构的近期新改进
更高效的注意力机制
块
位置嵌入：
其他架构实验和改进
小结
第二部分使用预训练语言模型
第章文本分类
电影评论的情感分析
使用表示模型进行文本分类
模型选择
使用特定任务模型
利用嵌入向量的分类任务
监督分类
没有标注数据怎么办
使用生成模型进行文本分类
使用
使用进行分类
小结
第章文本聚类和主题建模
文章：计算与语言
文本聚类的通用流程
嵌入文档
嵌入向量降维
对降维后的嵌入向量进行聚类
检查生成的簇
从文本聚类到主题建模
：一个模块化主题建模框架
添加特殊的“乐高积木块”
文本生成的“乐高积木块”
小结
第章提示工程
使用文本生成模型
选择文本生成模型
加载文本生成模型
控制模型输出
提示工程简介
提示词的基本要素
基于指令的提示词
高级提示工程
提示词的潜在复杂性
上下文学习：提供示例
链式提示：分解问题
使用生成模型进行推理
思维链：先思考再回答
自洽性：采样输出
思维树：探索中间步骤
输出验证
提供示例
语法：约束采样
小结
第章高级文本生成技术与工具
模型输入输出：基于加载量化模型
链：扩展的能力
链式架构的关键节点：提示词模板
多提示词链式架构
记忆：构建的对话回溯能力
对话缓冲区
窗口式对话缓冲区
对话摘要
智能体：构建系统
智能体的核心机制：递进式推理
中的实现
小结
第章语义搜索与
语义搜索与技术全景
语言模型驱动的语义搜索实践
稠密检索
重排序
检索评估指标体系
从搜索到
示例：使用进行基于知识的生成
示例：使用本地模型的
高级技术
效果评估
小结
第章多模态
视觉
多模态嵌入模型
：构建跨模态桥梁
的跨模态嵌入生成机制
让文本生成模型具备多模态能力
：跨越模态鸿沟
多模态输入预处理
用例：图像描述
用例：基于聊天的多模态提示词
小结
第三部分训练和微调语言模型
第章构建文本嵌入模型
嵌入模型
什么是对比学习
构建嵌入模型
生成对比样本
训练模型
深入评估
损失函数
微调嵌入模型
监督学习
增强型
无监督学习
使用进行领域适配
小结
第章为分类任务微调表示模型
监督分类
微调预训练的模型
冻结层
少样本分类
：少样本场景下的高效微调方案
少样本分类的微调
基于掩码语言建模的继续预训练
命名实体识别
数据准备
命名实体识别的微调
小结
第章微调生成模型
训练三步走：预训练、监督微调和偏好调优
监督微调
全量微调
参数高效微调
使用进行指令微调
模板化指令数据
模型量化
配置
训练配置
训练
合并权重
评估生成模型
词级指标
基准测试
排行榜
自动评估
人工评估
偏好调优、对齐
使用奖励模型实现偏好评估自动化
奖励模型的输入和输出
训练奖励模型
训练无奖励模型
使用进行偏好调优
对齐数据的模板化
模型量化
训练配置
训练
小结
附录图解
后记
显示全部信息
媒体评论
这本书延续了和一贯的风格，通过精美的插图搭配深入浅出的文字，将复杂概念讲解得形象生动，为想要深入理解大模型底层技术的读者提供了宝贵的学习资源。 ——吴恩达（ ），创始人 在大模型时代，想不出还有哪本书比这本更值得一读！不要错过书中任何一页，你会从中学到至关重要的知识。 —— ，热门频道作者 这本书堪称探索大模型技术与行业实践应用的权威指南。全书通过高度可视化的方式解析大模型的生成、表示与检索应用，帮助读者快速理解技术原理、落地实践并优化大模型。强烈推荐! —— ，机器学监、库创建者 这本书以“图解”为特色，将复杂的大模型技术转化为直观易懂的视觉语言，让抽象概念一目了然，堪称技术人的“视觉化学习手册”!书中既剖析语言模型和的核心原理，又涵盖提示工程和微调等实战技巧，兼具深度与实用性。 ——袁进辉老师木，硅基流动（）创始人 这是一本少见的将原理讲解、实践操作与直观图示融合得如此出色的入门书。中文版由技术功底深厚的李博杰老师精心翻译，并特别补充了原理介绍，是理解生成式的重要起点。 ——周礼栋，微软亚洲研究院院长 本提供了丰富的插图和案例，帮助读者掌握大模型基础知识，了解不同类型的大模型及其在不同场景中的典型用法。不论对于大模型初学者还是行业专家，这都是一本的好教材! ——林俊旸，算法负责人 入门大模型的好教材！原作者思路清晰、逻辑严密，善于将复杂的原理抽丝剥茧、层层展开；译者则用准确而流畅的语言再现了原作的精髓，确保中文读者同样能够轻松理解并掌握这些前沿技术。 ——李国豪，社区创始人 从大模型的核心理论到实战，通过这一本书就能学透。对于“大模型训练师”这样的热门职业，这本书堪称经典入门教材，强烈推荐! ——仲泰，特工宇宙创始人
作者简介
总监兼工程研究员，知名大模型技术博客 作者，和热门机器学习和自然语言处理课程作者。 的图解系列文章“ ”“ ”全网疯传，累积了几百万专业读者。 （荷兰综合癌症中心）高级临床数据科学家，知名大模型技术博客博主，等开源大模型软件包作者（下载量超百万），和热门机器学习和自然语言处理课程作者。 译者李博杰 智能体初创公司 联合创始人、首席科学家。曾任华为计算机网络与协议实验室副首席专家，入选华为首批“天才少年”项目。年获中国科学技术大学（）与微软亚洲研究院（）联合培养博士学位，曾获中国优秀博士学位论文奖和微软学者奖学金。在、、、 和等很好会议上发表多篇论文。
【直观】幅全彩插图，很好视觉化呈现 【全面】涵盖大模型原理、应用开发、优化 【实操】真实数据集，实用项目，典型场景 【热点】幅图深度解读底层原理 【附赠】一键运行代码大模型面试题问 【视频】大量线上拓展资料，包括文章、视频商品详情内容简介
本书全程图解式讲解，通过大量全彩插图拆解概念，让读者真正告别学习大模型的枯燥和复杂。
全书分为三部分，依次介绍语言模型的原理、应用及优化。第一部分 理解语言模型（第章），解析语言模型的核心概念，包括词元、嵌入向量及架构，帮助读者建立基础认知。第二部分 使用预训练语言模型（第章），介绍如何使用大模型进行文本分类、聚类、语义搜索、文本生成及多模态扩展，提升模型的应用能力。第三部分 训练和微调语言模型（第章），探讨大模型的训练与微调方法，包括嵌入模型的构建、分类任务的优化及生成式模型的微调，以适应特定需求。
本书适合对大模型感兴趣的开发者、研究人员和行业从业者。读者无须深度学习基础，只要会用，就可以通过本书深入理解大模型的原理并上手大模型应用开发。书中示例还可以一键在线运行，让学习过程更轻松。
目 录
对本书的赞誉
对本书中文版的赞誉
译者序
中文版序
前言
第一部分理解语言模型
第章大语言模型简介
什么是语言人工智能
语言人工智能的近期发展史
将语言表示为词袋模型
用稠密向量嵌入获得更好的表示
嵌入的类型
使用注意力机制编解码上下文
“ ”对本书的赞誉
对本书中文版的赞誉
译者序
中文版序
前言
第一部分理解语言模型
第章大语言模型简介
什么是语言人工智能
语言人工智能的近期发展史
将语言表示为词袋模型
用稠密向量嵌入获得更好的表示
嵌入的类型
使用注意力机制编解码上下文
“ ”
表示模型：仅编码器模型
生成模型：仅解码器模型
生成式元年
“”定义的演变
的训练范式
的应用
开发和使用负责任的
有限的资源就够了
与交互
专有模型
开源模型
开源框架
生成你的第一段文本
小结
第章词元和嵌入
的分词
分词器如何处理语言模型的输入
下载和运行
分词器如何分解文本
词级、子词级、字符级与字节级分词
比较训练好的分词器
分词器属性
词元嵌入
语言模型为其分词器的词表保存嵌入
使用语言模型创建与上下文相关的词嵌入
文本嵌入（用于句子和整篇文档）
之外的词嵌入
使用预训练词嵌入
算法与对比训练
推荐系统中的嵌入
基于嵌入的歌曲推荐
训练歌曲嵌入模型
小结
第章的内部机制
模型概述
已训练的输入和输出
前向传播的组成
从概率分布中选择单个词元（采样解码）
并行词元处理和上下文长度
通过缓存键值加速生成过程
块的内部结构
架构的近期新改进
更高效的注意力机制
块
位置嵌入：
其他架构实验和改进
小结
第二部分使用预训练语言模型
第章文本分类
电影评论的情感分析
使用表示模型进行文本分类
模型选择
使用特定任务模型
利用嵌入向量的分类任务
监督分类
没有标注数据怎么办
使用生成模型进行文本分类
使用
使用进行分类
小结
第章文本聚类和主题建模
文章：计算与语言
文本聚类的通用流程
嵌入文档
嵌入向量降维
对降维后的嵌入向量进行聚类
检查生成的簇
从文本聚类到主题建模
：一个模块化主题建模框架
添加特殊的“乐高积木块”
文本生成的“乐高积木块”
小结
第章提示工程
使用文本生成模型
选择文本生成模型
加载文本生成模型
控制模型输出
提示工程简介
提示词的基本要素
基于指令的提示词
高级提示工程
提示词的潜在复杂性
上下文学习：提供示例
链式提示：分解问题
使用生成模型进行推理
思维链：先思考再回答
自洽性：采样输出
思维树：探索中间步骤
输出验证
提供示例
语法：约束采样
小结
第章高级文本生成技术与工具
模型输入输出：基于加载量化模型
链：扩展的能力
链式架构的关键节点：提示词模板
多提示词链式架构
记忆：构建的对话回溯能力
对话缓冲区
窗口式对话缓冲区
对话摘要
智能体：构建系统
智能体的核心机制：递进式推理
中的实现
小结
第章语义搜索与
语义搜索与技术全景
语言模型驱动的语义搜索实践
稠密检索
重排序
检索评估指标体系
从搜索到
示例：使用进行基于知识的生成
示例：使用本地模型的
高级技术
效果评估
小结
第章多模态
视觉
多模态嵌入模型
：构建跨模态桥梁
的跨模态嵌入生成机制
让文本生成模型具备多模态能力
：跨越模态鸿沟
多模态输入预处理
用例：图像描述
用例：基于聊天的多模态提示词
小结
第三部分训练和微调语言模型
第章构建文本嵌入模型
嵌入模型
什么是对比学习
构建嵌入模型
生成对比样本
训练模型
深入评估
损失函数
微调嵌入模型
监督学习
增强型
无监督学习
使用进行领域适配
小结
第章为分类任务微调表示模型
监督分类
微调预训练的模型
冻结层
少样本分类
：少样本场景下的高效微调方案
少样本分类的微调
基于掩码语言建模的继续预训练
命名实体识别
数据准备
命名实体识别的微调
小结
第章微调生成模型
训练三步走：预训练、监督微调和偏好调优
监督微调
全量微调
参数高效微调
使用进行指令微调
模板化指令数据
模型量化
配置
训练配置
训练
合并权重
评估生成模型
词级指标
基准测试
排行榜
自动评估
人工评估
偏好调优、对齐
使用奖励模型实现偏好评估自动化
奖励模型的输入和输出
训练奖励模型
训练无奖励模型
使用进行偏好调优
对齐数据的模板化
模型量化
训练配置
训练
小结
附录图解
后记
显示全部信息
媒体评论
这本书延续了和一贯的风格，通过精美的插图搭配深入浅出的文字，将复杂概念讲解得形象生动，为想要深入理解大模型底层技术的读者提供了宝贵的学习资源。 ——吴恩达（ ），创始人 在大模型时代，想不出还有哪本书比这本更值得一读！不要错过书中任何一页，你会从中学到至关重要的知识。 —— ，热门频道作者 这本书堪称探索大模型技术与行业实践应用的权威指南。全书通过高度可视化的方式解析大模型的生成、表示与检索应用，帮助读者快速理解技术原理、落地实践并优化大模型。强烈推荐! —— ，机器学监、库创建者 这本书以“图解”为特色，将复杂的大模型技术转化为直观易懂的视觉语言，让抽象概念一目了然，堪称技术人的“视觉化学习手册”!书中既剖析语言模型和的核心原理，又涵盖提示工程和微调等实战技巧，兼具深度与实用性。 ——袁进辉老师木，硅基流动（）创始人 这是一本少见的将原理讲解、实践操作与直观图示融合得如此出色的入门书。中文版由技术功底深厚的李博杰老师精心翻译，并特别补充了原理介绍，是理解生成式的重要起点。 ——周礼栋，微软亚洲研究院院长 本提供了丰富的插图和案例，帮助读者掌握大模型基础知识，了解不同类型的大模型及其在不同场景中的典型用法。不论对于大模型初学者还是行业专家，这都是一本的好教材! ——林俊旸，算法负责人 入门大模型的好教材！原作者思路清晰、逻辑严密，善于将复杂的原理抽丝剥茧、层层展开；译者则用准确而流畅的语言再现了原作的精髓，确保中文读者同样能够轻松理解并掌握这些前沿技术。 ——李国豪，社区创始人 从大模型的核心理论到实战，通过这一本书就能学透。对于“大模型训练师”这样的热门职业，这本书堪称经典入门教材，强烈推荐! ——仲泰，特工宇宙创始人
作者简介
总监兼工程研究员，知名大模型技术博客 作者，和热门机器学习和自然语言处理课程作者。 的图解系列文章“ ”“ ”全网疯传，累积了几百万专业读者。 （荷兰综合癌症中心）高级临床数据科学家，知名大模型技术博客博主，等开源大模型软件包作者（下载量超百万），和热门机器学习和自然语言处理课程作者。 译者李博杰 智能体初创公司 联合创始人、首席科学家。曾任华为计算机网络与协议实验室副首席专家，入选华为首批“天才少年”项目。年获中国科学技术大学（）与微软亚洲研究院（）联合培养博士学位，曾获中国优秀博士学位论文奖和微软学者奖学金。在、、、 和等很好会议上发表多篇论文。