深入大模型系統：提示工程、符號推理與智能體實踐
白鈺
476人在讀
22萬字總字數
¥51.07定價
白鈺
本書從發展概述、核心技術原理與產業實踐的角度深入解析大模型系統。 全書共 9 章。第1章首先對大模型技術進行概述，系統梳理其概念、發展里程碑及未來趨勢。第2章轉入產業視角，深入剖析競爭格局、商業策略與產業落地面臨的挑戰。第3~5章介紹大模型系統的技術實現，從監督學習、遷移學習等方法入手，逐步深入文本標記化、編碼器-解碼器架構與從 RNN/LSTM 到 Transformer 的革新，再介紹縮放定律、數據 / 算力/參數等預訓練要素，以及指令微調、基於人類反饋的強化學習對齊機制。第6~9章從產業實踐的角度解析應用層技術，包括上下文學習、檢索增強生成等提示工程方法，深入剖析以思維鏈爲代表的符號推理，以及從工作記憶、長期記憶到認知架構的語言智能體體系的構建。 本書適合人工智能領域從業者、高校計算機相關專業師生，以及所有對大模型技術感興趣的人士閱讀。
如果剖析一下人類處理工作業務的認知和執行流程，現在Agent的規劃-行爲範式已經與其很相似了。而且，就趨勢而言，Agent所對應的感知環境，將不僅侷限於LLM所創造的語言空間，具有物理屬性的世界模型也會漸漸發展起來。到那時，Agent將發揮更大的作用，Agent與人類認知和行爲的交互界面會更加平滑流暢。仔細對比人與Agent的感知和行爲模式，一定會從其中的差異和相似中獲得啓發。這是我最近交叉閱讀神經生物學和AI智能體文獻時的感覺。
ai時代，更重要的是去實踐，用自己的場景去體會ai的邊界，這本書完全不值一讀，本意是想了解一些整體性的框架以便查漏補缺，但整個行文繁雜不能直接表達清楚，內容其實很簡單，卻講的好像很高深的樣子，既做不了科普也無法提供更深的認知。有疑問完全可以讓ai輔導你，更精準的解惑，因材施教在ai這裏可以發揮的淋漓盡致
講得有點深，難度有點像西瓜書，有些地方需要查資料才能看懂，面試準備可以用。
緊跟當下，學習很有收穫