机读格式显示(MARC)

• 000 01938nam 2200385 450

• 001 0000510447

• 005 20251118090200.0

• 010 __ |a 978-7-121-50057-2 |d CNY138.00

• 099 __ |a CAL 012025119637

• 100 __ |a 20250512d2025 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a af a 001yy

• 106 __ |a r

• 200 1_ |a 大规模语言模型 |A da gui mo yu yan mo xing |e 从理论到实践 |f 张奇...[等]著

• 205 __ |a 第2版

• 210 __ |a 北京 |c 电子工业出版社 |d 2025

• 215 __ |a xviii, 454页, [4] 页图版 |c 图 |d 24cm

• 225 2_ |a 通用智能与大模型丛书 |A tong yong zhi neng yu da mo xing cong shu

• 300 __ |a 博文视点

• 304 __ |a 题名页题其余责任者: 桂韬, 郑锐, 黄萱菁

• 314 __ |a 张奇, 复旦大学计算科学技术学院教授、博士生导师。桂韬, 复旦大学副研究员。研究领域为预训练模型、类人对齐和智能体交互。郑锐, 博士毕业于复旦大学计算机科学技术学院, 师从张奇教授。曾任字节跳动豆包大模型团队算法工程师, 现就职于某前沿科技公司, 研究方向为大模型对齐、复杂推理能力提升。黄萱菁, 复旦大学特聘教授、博士生导师。主要从事人工智能、自然语言处理和大语言模型研究。

• 320 __ |a 有书目 (第422-450页) 和索引

• 330 __ |a 本书围绕大语言模型构建的四个阶段: 预训练、指令微调、奖励建模和强化学习, 详述各阶段所使用的算法、数据、难点及实践经验。在此基础上, 进一步探讨了增强大语言模型能力、提升效率及如何将大语言模型落地应用的实践经验, 涵盖多模态、智能体等热门方向, 全面展现了大语言模型研究的最新进展。本书适合对深入研究大语言模型内在机制和实现方法感兴趣的读者阅读, 也可作为高年级本科生和研究生自然语言处理课程中相关部分的补充教材。

• 410 _0 |1 2001 |a 通用智能与大模型丛书

• 517 1_ |a 从理论到实践 |A cong li lun dao shi jian

• 606 0_ |a 语言模型 |A yu yan mo xing |x 自然语言处理

• 690 __ |a TP391 |v 5

• 701 _0 |a 张奇 |A zhang qi |4 著

• 701 _0 |a 桂韬 |A gui tao |4 著

• 701 _0 |a 郑锐 |A zheng rui |4 著

• 701 _0 |a 黄萱菁 |A huang xuan jing |4 著

• 801 _0 |a CN |b 人天书店 |c 20250512

• 905 __ |a LJUZC |d TP391/111=2

• 920 __ |a 222016 |z 1