雅书

第一部分玩梗式的讲述了大模型的技术发展，有趣。第四部分的对话也很妙

技术篇最有价值

还行，挺好读，写的蛮清晰的。看到大家刚开始都更捧bert的双向而不是gpt的单向，理解了《为什么伟大不能被计划》一书，因为双向的完型填空就是固定的，只有单向才会有更多想象力。 这书结构蛮好的，表述方式也好，编辑可能起到一定作用，后面还介绍了国内厂商状况和商业化讨论，很实际。

GPT的科普介绍，但可能比较多专业名词比较多，到后面举例什么的看的很粗略了

第一部分还不错 把普通人难以理解的向量化 gpt ……解释的浅显易懂 后面就是水了

总体值得一读，3.5星。技术篇、变革篇、产业篇较好，应用篇略水。 技术篇对一些GPT技术关键概念（Transformer、BERT、word embedding、SFT、RLHF）做了简洁易懂的说明，没有太深入技术细节，对小白比较友好，可以较好的理解GPT技术全景和发展脉络。 变革篇通过回顾英国历史上的工业革命发展历程，探讨了技术变革对工作岗位的短期影响和长期影响，比较有启发。针对人机协同场景，如何提升大模型的输出质量，提出了3R方法（Role - Result - Recipe），可以作为撰写提示词的一个基本框架。 产业篇讨论了大模型原生应用，剖析了iPhone游戏“愤怒的小鸟”相比传统应用，以及抖音相比快手产品设计的差异和优势，比较有说服力。期待大模型时代的杀手级原生应用早日爆发。

技术部分写的真是好，自监督预训练——监督微调训练——人类反馈强化学习——上下文学习造就了大模型“三不可（不可预测、不可知、不可控）的问题以及可适应、可进化、无限性和新颖性的优势”。应用方面分为垂直领域和企业内部前中后台横向的应用场景，之前基于检索式BERT的各类智能客服机器人会重新洗牌。产业层面，重点讲了大厂可能提供的各类MaaS服务，比较靠谱，但也可能会遇到数字隐私保护、数据质量和数量不够、监管合规等风险，还需要通过一段时间的尝试观望，风险部分几乎没有提及。我比较急切期待在医疗和金融领域能有让人眼前一亮的应用尽快落地。

作为从业者，以参与者的身份感受一次技术革命的到来，体会是不一样的。作为技术研究者，更多还是关注在技术本身上，而忽略了商业背后的逻辑。在浪潮中读到这本书，及时修正，扩大自己的关注范围，这种机会，可遇不可求！相当于做了一次及时的复盘！

龙老师威武

第一本系统性读的书，看上去评论还不错 看了关于原理的部分，其回答的不确定性，也是这个系统的最大魅力。 知识涌现，才能产生真正的创新，而不是千篇一律。 到了应用篇，质量急转直下，应用篇算是大概了解下行业的进展吧，真正质量算是三星，内容太粗糙了，有点像网文。

这本书作者很用心！讲了很多案例，完全可以当做一本大模型的指导书，当有问题的时候可以查查。

作為科普書挺好了

通俗易懂，虽然有点二～然后应用篇里小伙伴的心愿活脱脱写进去了，笑死我了～

前几部分的介绍很方便看不懂论文的入门学习用

20230604-0620

《大模型时代》是一本深度解读人工智能大模型的佳作，作者通过丰富的例证和深入的探讨，展现了AI领域的无限可能和挑战。书中不仅探讨了大模型的技术原理，还从社会、法律、道德等多个角度分析了AI大模型对人类的影响。本书的亮点还在于作者的观点非常中肯和务实，避免了过于乐观或过于悲观的态度，给读者留下了深刻的印象。总之，这本书对于想要了解AI大模型的读者来说，是一本非常值得一读的好书。 —由文心一言 生成，中规中矩。 本书算是近期关于此主题不错的作品，虽然感觉有些散，但干货比较多，非常遗憾的是，国内无法体验到这些服务。

前面讲的深入浅出，后面就有点凑字数了。

技术类的书籍其实很难写到通俗易懂。在chatgpt 逐渐兴起的背景下，生成式人工智能也引发关注。这本书前半部分的技术原理介绍，非常精彩。把生成式预训练，监督学习，强化学习之间的联系和区别讲的很清楚。后半部分对于产业的影响，感觉深度还能够再加强一点点。感觉生成式人工智能的涌现与失控，是未来产业机遇的关键，也是应引起我们警觉的地方。毕竟，当人工智能也不知道自己会做出什么事情来的时候，未知的风险也不可估量。

通俗易懂、有趣，没有前置知识也可以看懂

对话部分是干货，大模型成本几亿到十亿，门槛高，现在最赚钱的是卖铲子的算力