大型语言模型(LLMs)已被证明是解决广泛任务的强大工具,企业也注意到了这一点。然而,从演示和原型过渡到成熟的应用可能会面临诸多挑战。本书旨在弥合这一差距,为从业者提供构建实用产品所需的工具、技术和策略,这些产品能够充分利用语言模型的能力。 经验丰富的机器学习研究员 Suhas Pai 提供了关于如何利用 LLMs 解决实际用例并应对常见故障模式的实用建议。您将全面深入了解语言模型的组成要素,探索诸如微调等定制技术,学习像 RAG(检索增强生成)和代理等应用范式,以及更多内容。 * 了解如何为训练和微调准备数据集

培养对 Transformer 架构及其变体的直觉

将预训练语言模型适配到您自己的领域和用例

学习微调、领域适应和推理优化的有效技术

将语言模型与外部工具和数据接口,并将其集成到现有软件生态系统中

成为VIP会员查看完整内容
41

相关内容

【新书】大型语言模型实战:语言理解与生成
专知会员服务
65+阅读 · 2024年11月6日
【新书】实践大型语言模型:语言理解与生成
专知会员服务
62+阅读 · 2024年10月1日
【新书】大型语言模型:概念、技术与应用
专知会员服务
82+阅读 · 2024年9月8日
【2024新书】数据科学中的图算法:以Neo4j为例
专知会员服务
79+阅读 · 2024年1月19日
【2023新书】低代码AI:实用项目驱动的机器学习入门
专知会员服务
66+阅读 · 2023年9月30日
资源 | 机器学习必知的15大框架,欢迎补充!
数据分析
19+阅读 · 2018年9月11日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
Arxiv
165+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
444+阅读 · 2023年3月31日
Arxiv
75+阅读 · 2023年3月26日
Arxiv
160+阅读 · 2023年3月24日
Arxiv
23+阅读 · 2023年3月17日
VIP会员
相关VIP内容
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员