新書推薦：
《
岩中花述 全四册
》
售價：HK$
250.8
《
清代满汉关系史：全三册
》
售價：HK$
547.8
《
卢浮宫馆藏中国陶瓷
》
售價：HK$
217.8
《
建安 决战赤壁（208—213）
》
售價：HK$
60.5
《
亨利·贝尔坦的“中国阁”
》
售價：HK$
74.8
《
超越高绩效团队教练：培养集体变革型领导力，打造高价值创造团队（第4版）
》
售價：HK$
153.9
《
四旋翼无人机轨迹规划与跟踪控制算法
》
售價：HK$
96.8
《
我一直在想：丹尼尔·丹尼特自传
》
售價：HK$
153.9
|
| 編輯推薦： |
本书以自然语言处理中的语言模型为主线，全面介绍了语言模型的基
础理论、大模型的研究进展及实践应用。
|
| 內容簡介： |
《自然语言处理--大模型：通向AGI之路》是一本全面介绍大语言模型的教材，旨在帮助读者掌握这一前沿人工智能技术。本教材首先从自然语言处理基础和神经网络原理出发，逐步引领读者深入了解大语言模型的构建与训练方法。通过系统讲解Transformer架构，使读者能够理解其核心机制。与传统的教材不同，本书强调实践与应用。通过大量实例，读者将学会如何利用大语言模型进行自然语言生成、文本分类、情感分析等任务，极大地拓展了应用领域。來源：香港大書城megBookStore,http://www.megbook.com.hk
本教材内容丰富，步骤详细，解释了基本概念，并提供了实用示例。读者将首先了解NLP是什么以及关键理论技术，特别是如何通过大型模型来完成NLP中的各种任务。随后，读者将学习当前广泛的自然语言处理和大语言模型相关技术，并了解每种技术的最佳应用场景，包括新的大型语言模型（LLMs）。在此过程中，本书将介绍相关的自然语言处理Python库。读者不仅将学习NLP的基础知识，还将了解许多实际问题，如获取数据、评估系统、改善系统结果和部署NLP应用程序。
本教材的独特之处在于深入剖析了模型训练和优化的关键步骤，为读者提供了优化模型性能的实用方法。本教材适合不同程度的自然语言处理和深度学习基础的学生、研究人员以及从业者。无论你是计算机科学、人工智能、数据科学等相关领域的学习者，还是希望应用大语言模型于实际场景的专业人士，本教材都将成为你深入研究这一领域的得力助手。
|
| 關於作者： |
|
赵宇，工学博士，西南财经大学教授，金融智能与金融工程四川省重点实验室副主任，美国罗切斯特大学联合培养博士，法国巴黎六大高级访问学者，西南财经大学光华百人计划人选，中国人工智能学会自然语言理解专委会委员，四川省计算机学会自然语言理解专委会副主任委员。主要研究方向为大模型、通用人工智能、自然语言处理、金融科技等领域，迄今在高水平期刊和会议发表学术论文30余篇（其中中国计算机学会（CCF）A类/B类推荐论文10篇），包括IEEE Trans.系列（IEEE TKDE、IEEE TNNLS、IEEE TMM、IEEE TMC）以及人工智能顶会ACL、ICME等。主持2项国家自然科学基金（1项面上，1项青年），2项四川省自然科学基金（1项重点，1项面上）。撰写《知识图谱》专著1部，参编《金融科技》教材1部。
|
| 目錄：
|
目录
主编简介
序 言
前 言
主要符号表
第 1 章 绪论 /1
1.1 自然语言处理概述 /1
1.2 自然语言处理简史 /2
1.3 自然语言处理传统研究
内容 /3
1.4 自然语言处理与大模型发展
现状 /33
1.5 本书内容安排 /34
1.6 讨论 /35
1.7 习题 /35
第 1 部分 语言模型基础
第 2 章 词向量 /38
2.1 概述 /38
2.2 文本表示方法 /39
2.3 Word2Vec 模型 /40
2.4 GloVe 模型 /44
2.5 ELMo 模型 /46
2.6 讨论 /48
2.7 习题 /48
第 3 章 统计语言模型 /50
3.1 概述 /50
3.2 N-gram 模型 /51
3.3 平滑技术 /53
3.4 讨论 /55
3.5 习题 /56
第 4 章 神经语言模型 /58
4.1 概述 /58
4.2 神经概率语言模型 /59
4.3 基于循环神经网络的语言
模型 /62
4.4 讨论 /67
4.5 习题 /68
第 5 章 预训练语言模型 /69
5.1 概述 /69
5.2 Seq2Seq 模型 /70
5.3 注意力机制 /74
5.4 Transformer 模型 /76
5.5 重要的预训练语言模型 /88
5.6 语言模型使用范式 /93
5.7 讨论 /94
5.8 习题 /95
第 2 部分 大模型理论
第 6 章 大语言模型架构 /98
6.1 概述 /98
6.2 基于 Transformer 的模型
架构 /99
IX
6.3 基于非 Transformer 的
模型架构 /103
6.4 大模型架构配置 /108
6.5 讨论 /112
6.6 习题 /112
第 7 章 多模态大模型架构 /113
7.1 概述 /113
7.2 ViT 模型 /114
7.3 CLIP 模型 /117
7.4 BLIP 模型 /121
7.5 BLIP-2 模型 /125
7.6 讨论 /128
7.7 习题 /128
第 8 章 大模型预训练 /129
8.1 概述 /129
8.2 预训练数据工程 /129
8.3 预训练方法 /137
8.4 讨论 /143
8.5 习题 /143
第 9 章 大模型微调 /144
9.1 概述 /144
9.2 指令微调 /145
9.3 对齐微调 /155
9.4 微调算法 /164
9.5 讨论 /165
9.6 习题 /165
第 10 章 提示工程 /167
10.1 概述 /167
10.2 提示工程基础 /168
10.3 情景学习 /176
10.4 思维链 /178
10.5 提示工程安全 /184
10.6 讨论 /187
10.7 习题 /187
第 11 章 涌现 /189
11.1 概述 /189
11.2 涌现现象 /190
11.3 大模型中的涌现 /195
11.4 缩放法则 /199
11.5 大模型可解释性 /202
11.6 讨论 /209
11.7 习题 /210
第 12 章 大模型评估 /211
12.1 概述 /211
12.2 评估方式 /211
12.3 评估任务 /215
12.4 评估指标 /222
12.5 讨论 /230
12.6 习题 /230
第 13 章 探讨 /232
13.1 概述 /232
13.2 基于大模型的智能体和具身
智能 /233
13.3 大模型垂直领域应用 /235
13.4 大模型的挑战与局限 /243
13.5 大模型的社会影响 /247
13.6 讨论 /252
13.7 习题 /252
第 3 部分 大模型实践
第 14 章 大模型本地开发 /256
14.1 概述 /256
14.2 Transformers 编程
基础 /257
14.3 大模型微调 /261
14.4 讨论 /265
X
14.5 习题 /265
第 15 章 基于大模型的应用开发 /266
15.1 概述 /266
15.2 基于 OpenAI 的应用
开发 /267
15.3 基于通义千问的应用
开发 /284
15.4 基于 LangChain 的应用
开发 /287
15.5 讨论 /294
15.6 习题 /294
附录 /296
附录 A 预备知识 /296
附录 B 缩略语表 /328
附录 C 术语表 /329
附录 D 相关学术会议与学术
组织 /331
参考文献 /333
|
| 內容試閱：
|
前言
自然语言处理（Natural Language Processing，NLP）是计算机科学与人工智能交叉
领域中的一门关键技术，其目标是使计算机能够理解、解释、生成人类语言。在人工智能时
代，NLP 技术已经深刻地渗透到我们日常生活的方方面面，从智能助手、语音识别到机器
翻译和文本生成，NLP 正以惊人的速度改变着我们的生活方式。特别是 2022 年年底，以
ChatGPT 为代表的大模型横空出世，进一步推动了新一代人工智能技术的发展。大模型
颠覆了自然语言处理领域传统的知识体系。然而，目前以大模型为主线介绍自然语言处理
知识的教材较为缺乏，这催生了我编写本书的想法。
本书以自然语言处理中的语言模型为主线，主要内容分为三部分，包括语言模型基础、
大模型理论和大模型实践。首先，在介绍这些主要内容之前介绍了自然语言处理的背景知
识。其次，在语言模型基础部分介绍了词向量、统计语言模型、神经语言模型和预训练语
言模型。再次，在大模型理论部分介绍大模型的架构、训练、使用与评估等内容。最后，在
大模型实践部分介绍了大模型的本地开发和应用开发等内容。
本书主要可作为高等院校本科生、研究生的学习用书，以及教学科研人员的教学用书。当
然，也可作为计算语言学家、语言学家、数据科学家和 NLP 开发人员等专业人士的参考用书。
考虑到不同读者的学科差异，本书在附录部分介绍了概率论、信息论、机器学习与强化学习等
NLP 交叉学科的基础知识。阅读本书最好具备 Python 的编程知识。
在本书的写作过程中，我深切地感受到自然语言处理的迅猛发展。从传统的基于规则
的方法到现今基于深度学习的方法的革命性变革，NLP 的前景无疑令人激动。我希望通过
本书，为读者提供以语言模型为主线的 NLP 知识体系，并让读者深入理解大模型前沿理
论，掌握大模型实践技能。希望本书成为读者学习与实践 NLP 的得力工具，激发读者对
自然语言处理无尽的好奇心和创造力。
在本书即将付梓之际，我谨借此机会向所有在本书编写过程中给予帮助和支持的个人
与机构致以最诚挚的谢意！
谨向自然语言处理领域的诸多前辈和专家致以崇高的敬意。我要特别感谢大模型相关
领域的研究学者，你们在 Transformer、GPT、GLM、DeepSeek 等模型的发展过程中所做
出的杰出贡献，为本书的内容奠定了坚实的基础。你们无私的分享和合作精神，推动了这
一领域的飞速发展，并为本书提供了丰富的理论依据和实践经验。
感谢中国人工智能学会自然语言理解专业委员会主任王小捷教授对本书编写给予的大
力支持，以及提出的若干宝贵建议。感谢我们通用人工智能团队以及金融智能与金融工程
VI
四川省重点实验室的同仁们，他们为本书的完成提供了不可或缺的支持。在本书初稿完成
后，王小捷博士、陈珍珠博士和施龙博士校对了第 1 章的全部内容；刘康博士、陈中普博
士、陈星延博士和施龙博士校对并修改了第 2 章的部分内容；李蕾博士、潘宁宁博士和陈
中普博士校对了第 3 章的全部内容；孙晓博士和潘宁宁博士校对了第 4 章的全部内容；庄
福振博士和陈珍珠博士校对了第 5 章的全部内容；谷雨博士、袁彩霞博士和余关元博士校
对了第 6 章的全部内容；李珂博士和陈珍珠博士校对了第 7 章的全部内容；孙健博士和陈
中普博士校对了第 8 章的全部内容；徐睿峰博士、陈星延博士和陈中普博士校对并修改了
第 9 章的部分内容；王昊奋博士、陈中普博士和张阳博士校对了第 10 章的部分内容；张
岳博士、陈珍珠博士、陈中普博士和张阳博士校对了第 11 章的全部内容；金澎博士、陈星
延博士和陈珍珠博士校对了第 12 章的全部内容；陈运文博士、陈珍珠博士和黄士罗博士
校对了第 13 章的全部内容；杜亚军博士、陈中普博士和黄士罗博士校对了第 14 章的全部
内容；李睿凡博士、陈中普博士和张蕊博士校对了第 15 章的部分内容；陈星延博士、施龙
博士和张蕊博士校对了附录 A 的部分内容。此外，李庆博士和谢志龙博士也参与了本书的
部分校对工作，高级架构师冯飞对本书的实践部分也提出了宝贵的意见。另外，特别感谢
韦鳗珍、白芊芊、罗灵、王瑞、刘银峰、许雯婷、钟一、顾添承、刘雅玲、黄浩南、唐川
清、郭宇、杨闻博和邓黄怡等同学在文稿编辑、图表绘制和审稿校对等方面所付出的努力，
这是本书完成的基础。
本书引用了一些优秀参考文献中的图表、公式和案例等，征求了相关作者的意见并得
到了积极支持，在此表示由衷的感谢！
此外，由衷感谢机械工业出版社工作人员的辛勤付出，感谢你们在本书编写和出版过
程中的专业支持和不懈努力，让本书最终得以面世。
本书的编写得到了国家自然科学基金项目的资助。
对所有期待本书的读者表示感谢，你们的期待和支持激励着我不断深入研究。希望本
书能为你们带来启发和帮助，并在你们的学术和实践道路上提供有益的参考。
再次感谢所有为本书付出心血和智慧的朋友们！愿本书能为自然语言处理领域的发展
贡献绵薄之力，并激励更多的研究者投身于这一充满前景的研究领域！
由于编者水平有限，书中难免有疏漏和不足之处，恳请读者批评指正！如果读者发现
书中存在任何错误或遇到任何问题，可以提交至本书的网站一，真诚期待读者的反馈。
赵 宇
2024 年 8 月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
