深入大模型系统：提示工程、符号推理与智能体实践

图书信息

作者：白钰著著

出版社：人民邮电出版社

定价：79.80

ISBN：9787115687074

出版时间：2025-12-01

分类：图书,行业职业,计算机,工具书

商品介绍

目录

第1章 大模型技术概述

1.1 大模型相关概念辨析

1.1.1 基础模型

1.1.2 GenAI模型

1.1.3 LLM

1.1.4 大模型

1.2 大模型技术发展历程

1.2.1 技术发展的阶段

1.2.2 技术发展的驱动力

1.2.3 当前挑战与未来发展方向

1.3 大模型系统发展路径

1.3.1 基础语言理解与生成

1.3.2 工具赋能的增强智能

1.3.3 自主思考的深入探索

1.3.4 连接物理世界的具身智能

第2章 大模型产业发展概述

2.1 大模型产业发展回顾

2.1.1 Transformer架构诞生

2.1.2 商业模式探索

2.1.3 ChatGPT与生态竞赛

2.1.4 “百家争鸣”时代

2.2 商业化核心战略

2.2.1 构建可持续的商业闭环

2.2.2 平民化

2.2.3 专业化

2.2.4 具身化

2.3 产业落地模式

2.3.1 场景创新

2.3.2 工具创新

2.3.3 方法创新

2.3.4 评估大模型带来的创新价值

2.4 产业竞争格局与挑战

2.4.1 领跑者的技术透明化挑战

2.4.2 后发者的市场局限

2.4.3 创业公司的生存压力

第3章 模型预训练技术基础

3.1 监督学习

3.1.1 监督学习的定义

3.1.2 监督学习的统计建模

3.1.3 监督学习的统计前提

3.1.4 监督学习中模型结构的选择

3.1.5 监督学习中模型的泛化机制

3.1.6 案例分析：从实验观测数据发现牛顿第二定律

3.2 深度学习

……

内容简介

本书从发展概述、核心技术原理与产业实践的角度深入解析大模型系统。全书共9章。第1章首先对大模型技术进行概述，系统梳理其概念、发展里程碑及未来趋势。第2章转入产业视角，深入剖析竞争格局、商业策略与产业落地面临的挑战。第3～5章介绍大模型系统的核心技术原理，从监督学习、深度学习等方法入手，逐步深入标记化、编码器-解码器架构与从RNN到Transformer的革新等内容，再介绍预训练阶段和后训练阶段涉及的LLM基础。第6～9章从产业实践的角度解析应用技术，包括上下文学习、检索增强生成等提示工程方法，深入剖析以思维链为代表的符号推理方法，以及从工作记忆、长期记忆到认知架构的语言智能体的构建。本书适合AI从业者、高校计算机相关专业师生，以及其他所有对AI技术感兴趣的人士阅读。

作者简介

白钰，AI与云计算技术专家，在多模态大模型算法及AI系统方面有丰富的知识储备和实践经验。曾在Comcast、亚马逊、阿里云等企业担任AI算法负责人，带领团队开发多项服务亿级用户的AI系统，在多模态大模型研发和大规模机器学习系统落地方面积累了大量经验；曾在NeurIPS、NSDI、S&P等很好会议、期刊上发表多篇论文，拥有20余项专利，参与多项AI标准制定，现任中国中文信息学会大模型与生成专业委员会委员、中国计算机学会技术前沿委员会委员。

主编推荐

在跟进大模型技术时，总觉得“知识散、链路乱”？ 想把握AI产业趋势，却缺乏从技术到落地的实战视角？ 这本书的作者，是深度参与企业大模型布局、主导生成式AI产品落地的实战派——他把多年一线经验，融成9章“产业+技术+应用”的完整链路。 1. 理清大模型核心概念、技术历程与产业竞争格局。 2. 深入核心原理：从监督学习、深度学习，到 Transformer/LLM 的技术演进。 3. 落地到应用层：提示工程、智能体构建等前沿实践逻辑。 本书不是“拿来就用的工具”，而是帮你搭建“从技术原理到产业落地”的认知框架，让你在项目中更清晰地把握技术逻辑、判断产业方向。 独家配套“AI大模型系统10讲”视频 与书籍内容深度联动，拆解技术细节、梳理实战案例，辅助深化对复杂知识的理解。