×
大模型RAG实战 RAG原理、应用与系统构建

大模型RAG实战 RAG原理、应用与系统构建

1星价 ¥69.3 (7.0折)
2星价¥69.3 定价¥99.0
图文详情
  • ISBN:9787111761990
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:16开
  • 页数:212
  • 出版时间:2024-09-01
  • 条形码:9787111761990 ; 978-7-111-76199-0

本书特色

(1)作者经验丰富:3位作者在一线互联网大厂和上市公司又多年的AI技术经验和算法经验,是RAG领域的实践者和布道者。 (2)理论全面深入:系统梳理与大模型和RAG相关核心技术和优化方法,全面总结RAG的范式演变。 (3)内容实战导向:不仅讲解了各种RAG系统的训练方法,而且还讲解了如何从零搭建一个RAG系统以及RAG系统在大模型应用开发中的使用。

内容简介

这是一本全面讲解RAG技术原理、实战应用与系统构建的著作。作者结合自身丰富的实战经验,详细阐述了RAG的基础原理、核心组件、优缺点以及使用场景,同时探讨了RAG在大模型应用开发中的变革与潜力。书中不仅揭示了RAG技术背后的数学原理,还通过丰富的案例与代码实现,引导读者从理论走向实践,轻松掌握RAG系统的构建与优化。无论你是深度学习初学者,还是希望提升RAG应用技能的开发者,本书都将为你提供宝贵的参考与指导。

目录

目 录Contents前 言**部分 基础第1章 RAG与大模型应用 21.1 大模型应用的方向:RAG 21.1.1 什么是RAG 21.1.2 RAG与模型微调的对比 51.1.3 RAG带来的范式改变 51.2 为什么需要RAG 61.2.1 大模型的知识更新问题 61.2.2 大模型生成结果的不可解释性问题 81.2.3 大模型的数据泄露问题 81.2.4 大模型的训练成本问题 91.3 RAG的工作流程 91.3.1 数据准备 101.3.2 数据召回 111.3.3 答案生成 121.4 RAG的优缺点 121.4.1 RAG的优点 121.4.2 RAG的缺点 131.5 RAG的使用场景 141.6 RAG面临的挑战 161.6.1 LLM的伸缩法则与知识库大小的关系 161.6.2 相似度搜索的性能问题 171.7 本章小结 19第2章 语言模型基础 202.1 Transformer 202.1.1 词嵌入 242.1.2 编码器 352.1.3 解码器 392.1.4 解码头 412
展开全部

作者简介

汪鹏,NLP技术专家和AI技术专家,拥有多年NLP落地经验。擅长结合用户场景,针对性地设计图谱、问答、检索、多模态、AIGC等相关的算法和落地方案。在Kaggle获得多枚奖牌,等级master。拥有公众号“NLP前沿”。 谷清水毕业于清华大学,有 多家大厂工作经历,7年深度学习项目开发经验。在KDD-CUP等机器学习竞赛中多次获奖,持有多项发明专利。知乎ID:“战士金”。 卞龙鹏,某上市公司 AI算法工程师,多年互联网一线工作经验,10年机器学习与数据挖掘经验。持多项发明专利,发表多篇SCI文章,主攻机器视觉、模式识别、自然语言处理。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航