深入大模型系统：提示工程、符号推理与智能体实践
白钰
476人在读
22万字总字数
¥51.07定价
白钰
本书从发展概述、核心技术原理与产业实践的角度深入解析大模型系统。 全书共 9 章。第1章首先对大模型技术进行概述，系统梳理其概念、发展里程碑及未来趋势。第2章转入产业视角，深入剖析竞争格局、商业策略与产业落地面临的挑战。第3~5章介绍大模型系统的技术实现，从监督学习、迁移学习等方法入手，逐步深入文本标记化、编码器-解码器架构与从 RNN/LSTM 到 Transformer 的革新，再介绍缩放定律、数据 / 算力/参数等预训练要素，以及指令微调、基于人类反馈的强化学习对齐机制。第6~9章从产业实践的角度解析应用层技术，包括上下文学习、检索增强生成等提示工程方法，深入剖析以思维链为代表的符号推理，以及从工作记忆、长期记忆到认知架构的语言智能体体系的构建。 本书适合人工智能领域从业者、高校计算机相关专业师生，以及所有对大模型技术感兴趣的人士阅读。
如果剖析一下人类处理工作业务的认知和执行流程，现在Agent的规划-行为范式已经与其很相似了。而且，就趋势而言，Agent所对应的感知环境，将不仅局限于LLM所创造的语言空间，具有物理属性的世界模型也会渐渐发展起来。到那时，Agent将发挥更大的作用，Agent与人类认知和行为的交互界面会更加平滑流畅。仔细对比人与Agent的感知和行为模式，一定会从其中的差异和相似中获得启发。这是我最近交叉阅读神经生物学和AI智能体文献时的感觉。
ai时代，更重要的是去实践，用自己的场景去体会ai的边界，这本书完全不值一读，本意是想了解一些整体性的框架以便查漏补缺，但整个行文繁杂不能直接表达清楚，内容其实很简单，却讲的好像很高深的样子，既做不了科普也无法提供更深的认知。有疑问完全可以让ai辅导你，更精准的解惑，因材施教在ai这里可以发挥的淋漓尽致
讲得有点深，难度有点像西瓜书，有些地方需要查资料才能看懂，面试准备可以用。
紧跟当下，学习很有收获