今天推荐的这本大模型新书可就牛掰了，这不是一本"纸上谈兵"的 AI 教程，而是一本真正"看得懂、学得会、跑得动"的大模型实战指南。并且全书超过 300 幅全彩图示 × 实战级项目代码 × 中文独家 DeepSeek-R1 彩蛋内容，入门、进阶、实操、求职一步到位！
不卖关子了，就是这本被称为"袋鼠书"的《图解大模型：生成式 AI 原理与实战》
本书是由《The Illustrated Transformer》原作者 Jay Alammar 携手 Maarten Grootendorst 联袂打造，这本书继承了"图解一切"的直观风格，将复杂的大模型原理拆解为人人能懂的图示知识地图，为你打开通往 LLM 世界的大门。
这本《图解大模型：生成式 AI 原理与实战》整理并打包
↓↓↓↓↓↓↓↓
这里展示几页内文，请大家体会一下------将抽象概念转换为形象图形的巧思：
这本书讲了什么？
本书全程图解式讲解，通过大量全彩插图拆解概念，让读者真正告别学习大模型的枯燥和复杂。
全书分为三部分，依次介绍语言模型的原理、应用及优化。
第一部分 理解语言模型（第1~3章），解析语言模型的核心概念，包括词元、嵌入向量及Transformer架构，帮助读者建立基础认知。
第二部分 使用预训练语言模型（第4~9章），介绍如何使用大模型进行文本分类、聚类、语义搜索、文本生成及多模态扩展，提升模型的应用能力。
第三部分 训练和微调语言模型（第10~12章），探讨大模型的训练与微调方法，包括嵌入模型的构建、分类任务的优化及生成式模型的微调，以适应特定需求。
本书适合对大模型感兴趣的开发者、研究人员和行业从业者。读者无须深度学习基础，只要会用Python，就可以通过本书深入理解大模型的原理并上手大模型应用开发。 书中示例还可以一键在线运行，让学习过程更轻松。
适合阅读人员：
本书适合对大模型感兴趣的开发者、研究人员和行业从业者。读者无须具备深度学习基础知识，只要会用 Python，就可以通过本书深入理解大模型的原理并上手大模型应用开发。书中示例还可以一键在线运行，让学习过程更轻松。
书籍目录
译者序 xv
中文版序 xxi
前言 xxiii
第 一部分 理解语言模型
第 1章 大语言模型简介 3
- 1.1 什么是语言人工智能 4
- 1.2 语言人工智能的近期发展史 4
- 1.3 "LLM"定义的演变 22
- 1.4 LLM的训练范式 22
- 1.5 LLM的应用 23
- 1.6 开发和使用负责任的LLM 24
- 1.7 有限的资源就够了 25
- 1.8 与LLM交互 25
- 1.9 生成你的第 一段文本 28
- 1.10 小结 30
第 2章 词元和嵌入 31
- 2.1 LLM的分词 32
- 2.2 词元嵌入 48
- 2.3 文本嵌入（用于句子和整篇文档） 52
- 2.4 LLM之外的词嵌入 53
- 2.5 推荐系统中的嵌入 57
- 2.6 小结 60
第3章 LLM的内部机制 61
- 3.1 Transformer模型概述 62
- 3.2 Transformer架构的最新改进 79
- 3.3 小结 87
第二部分 使用预训练语言模型
第4章 文本分类 91
- 4.1 电影评论的情感分析 92
- 4.2 使用表示模型进行文本分类 93
- 4.3 模型选择 94
- 4.4 使用特定任务模型 96
- 4.5 利用嵌入向量的分类任务 99
- 4.6 使用生成模型进行文本分类 105
- 4.7 小结 113
第5章 文本聚类和主题建模 114
- 5.1 ArXiv文章：计算与语言 115
- 5.2 文本聚类的通用流程 116
- 5.3 从文本聚类到主题建模 122
- 5.4 小结 138
第6章 提示工程 140
- 6.1 使用文本生成模型 140
- 6.2 提示工程简介 145
- 6.3 高级提示工程 149
- 6.4 使用生成模型进行推理 155
- 6.5 输出验证 161
- 6.6 小结 167
第7章 高级文本生成技术与工具 168
- 7.1 模型输入/输出：基于LangChain加载量化模型 169
- 7.2 链：扩展LLM的能力 171
- 7.3 记忆：构建LLM的对话回溯能力 177
- 7.4 智能体：构建LLM系统 185
- 7.5 小结 190
第8章 语义搜索与RAG 191
- 8.1 语义搜索与RAG技术全景 191
- 8.2 语言模型驱动的语义搜索实践 193
- 8.3 RAG 211
- 8.4 小结 218
第9章 多模态LLM 219
- 9.1 视觉Transformer 220
- 9.2 多模态嵌入模型 222
- 9.3 让文本生成模型具备多模态能力 231
- 9.4 小结 242
第三部分 训练和微调语言模型
- 第 10章 构建文本嵌入模型 247
- 10.1 嵌入模型 247
- 10.2 什么是对比学习 249
- 10.3 SBERT 251
- 10.4 构建嵌入模型 253
- 10.5 微调嵌入模型 265
- 10.6 无监督学习 271
- 10.7 小结 276
第 11章 为分类任务微调表示模型 277
- 11.1 监督分类 277
- 11.2 少样本分类 286
- 11.3 基于掩码语言建模的继续预训练 292
- 11.4 命名实体识别 297
- 11.5 小结 305
第 12章 微调生成模型 306
- 12.1 LLM训练三步走：预训练、监督微调和偏好调优 306
- 12.2 监督微调 308
- 12.3 使用QLoRA进行指令微调 317
- 12.4 评估生成模型 322
- 12.5 偏好调优、对齐 326
- 12.6 使用奖励模型实现偏好评估自动化 327
- 12.7 使用DPO进行偏好调优 333
- 12.8 小结 337
附录 图解DeepSeek-R1 338
后记 349
相信有了这么强大的自学指南，再加上独一无二的配套资料和延伸阅读资料、公开课视频，不论是你是零基础的读者，还是初中级读者，学透大模型理论，真正把大模型用起来都不在话下！
这本《图解大模型：生成式 AI 原理与实战》整理并打包
↓↓↓↓↓↓↓↓