雅书

分该是刷出来的 🤔

科普性的书，有两个思路写的比较好 NLP可以分为NLU（内容理解）和NLG（文本生成）。NLU对应传统的自然语言处理任务，文本、token分类、实体提取…Transformer基于Seq2Seq架构，可以同时处理NLU和NLG任务，Seq2Seq即序列转序列模型，是通过一个编码器和解码器组成的。BERT仅使用Transformer的编码器，因此只能处理NLU任务。GPT则仅使用了解码器，对应NLG任务。 GPT相较于传统NLP模型，原子能力能汇聚起来变的更强大，假设这种能力与模型的深度和巨量参数量强相关，量变引起质变。 GPT+向量知识库和搜索增强是一回事

Datawhale的开源大模型实战教程，透彻解读4类常见NLP任务的系统设计，书-课-代码仓库全方位学习，每个人都可以用大语言模型轻松做出自己的AI产品。

多人攒出来的书，前后很多都重复

干货 对比了很多场景在没有大模型依赖是的算法中如何实现；有了大模型可以怎么玩。 让初学者对于很多技术的实现思路了有了了解。

大模型时代的到来

推荐大家看看，不错哦

ChatGPT原理与应用开发 市面上关于ChatGPT的数已经很多，多半是介绍如何利用chatGPT提高自己的工作效率的书，但是如果你想深入定制化使其能够做更多有特色的服务，需要开发人员能利用chatGPT的接口去做开发，毕竟这么强大的工具给我们提供了无数的可能，所以本书更适合有开发经验的学生和工程师从接口角度做更深层次的理解。 本书编排如下： 第1章介绍与ChatGPT 相关的基础知识， 第2～5 章分别介绍相似匹配、句词分类、文本生成和复杂推理方面的任务， 第6～8 章分别介绍ChatGPT 的工程实践、局限与不足，以及商业应用，以帮助读者更好地构建自己的应用 可以看出这本书更贴切开发角度的认知过程，有了这个过程我们在使用ChatGPT的过程中会更得心应手，而且本书中还有很多动手范例

已经出版的ChatGPT基本上都是介绍如何应用他写文档，写短评，写论文。今天有幸看到一本为程序员打造的通过接口运用ChatGPT的书，不仅理论还有应用都是不可多得书，并非想很多书上来就是一大堆的理论和模型，本书由浅入深的介绍ChatGPT的介绍基本理论，中间穿插着的是实验，通过动手加深我们对ChatGPT的理解，这样我们学的时候也不会枯燥，更容易坚持下去，算是作者带着读者一步一步的打造应用级别的chatGPT，而且在这个过程中我们能清除的了解ChatGPT的有点和缺点，让我们更清除地指导边界在哪里。

真正重要的不在于有多少知识，而在于如何使用现有 的知识。知识只是潜在的力量，只有将其付诸应用，而且是建设性的应用，才会 显示出其威力。 人工智能能力得到了极大突破— 大模型，尤其是大语言模型的能力有目共睹，未来只会变得更强。世界上唯一不 变的就是变化。适应变化、拥抱变化、喜欢变化。“天行健，君子以自强不息。” 我们相信未来会有越来越多的大模型出现。人工智能正在逐渐平民化，将来每个 人都可以利用大语言模型轻松地做出自己的人工智能产品。我们正在经历一个伟 大的时代，我们相信这是一个值得每个人全身心拥抱的时代，我们更加相信这个 世界必将因此而变得更加美好。

讲解详细，简单明了

大模型时代

这本书很好，有兴趣的可以读一下。

喜欢人工智能的可以看看这本书，里面的内容很好。