金寶書局網路書店

https://youtu.be/9A_3-di6AYg

►回顧對話機器人歷史,從人機交流到現代語言模型
►解析人工智慧發展,聚焦通用人工智慧(AGI)
►指導大型語言模型私有化部署,涵蓋環境建置
►介紹語言模型核心理論,從統計方法到Transformer
►解析Hugging Face與Transformers函數庫應用
►介紹高效微調技術,如Prompt Tuning與LoRA
►實作LoRA與QLoRA微調GLM-4,提升效能
►探討提示工程,提升模型推理與應用能力
►解析多角色對話與AI Agent的運作模式
►介紹LangChain框架,涵蓋Chain與Agents
►展示垂直領域模型應用,以紅十字會資料實作
►解析檢索增強生成(RAG),結合LLM與知識庫

本書第一章回顧對話機器人的發展,探討人工智慧的演進與未來趨勢。第二章介紹大型語言模型的私有化部署,包括CUDA環境建置、PyTorch安裝與GLM-4模型執行。第三章解析語言模型的理論基礎,涵蓋統計語言模型、Transformer架構與Attention機制。第四章說明Hugging Face與Transformers函數庫的應用,幫助讀者開發與微調LLM。第五章介紹高效微調技術,如Prompt Tuning、LoRA、QLoRA等方法,提升模型效能。第六章進一步探討LoRA微調GLM-4的實戰應用與量化技術。第七章解析提示工程,說明Few-shot、Chain of Thought等推理增強技術。第八章介紹AI Agent與多角色對話模式,並探討Function Calling的應用。第九章深入LangChain框架,涵蓋Chain、Memory與Agents的實作,並整合資料庫與檢索增強生成(RAG)技術。第十章展示大型模型在垂直領域的應用,例如微調GLM-4處理紅十字會資料,提供完整的實戰示範。