大模型核心原理与企业落地实践pdf电子书下载

作者:林学森、吴锋、王劲涛、代声馨

出版社:清华大学出版社

出版时间:2025年05月

编辑推荐

（1）顶尖团队倾力打造。集结清华、华为、腾讯等一线科技巨头的实战经验，揭秘大语言模型从理论到实践的完整旅程。独家呈现业界领先团队的技术创新与工程实践精华，让您站在技术巨人的肩膀上。

（2）深入浅出的核心洞察。突破技术“黑箱”，层层解密大模型背后的核心原理。采用“知其然，知其所以然”的教学理念，构建坚实的理论基础，助力您在AI浪潮中把握先机。

（3）零门槛学习体验。通俗易懂的叙述风格，丰富的图表与数据支持，循序渐进的知识体系，让零基础读者也能轻松驾驭前沿AI技术，快速跨越学习门槛。

（4）实战导向的系统方法。提供完整的大模型开发路线图，从理论框架到工程实践，再到产品落地，全方位覆盖，助您快速掌握大模型应用开发的核心技能，打造个人竞争力。

内容简介

全书分两大篇。第 1 篇原理篇（第 1、2 章），尝试引导读者共同探索和揭秘研发领域大模型背后的核心原理，以使读者“既知其然，又知其所以然”，并为后续章节的学习打下坚实的基础。从概率、最优化等基础理论入手，进而深入浅出地阐述 Transformer、神经元等大模型的核心组成元素，以及评估方法、数据工程建设等通用能力的建设。针对技术细节，采用通俗易懂的行文风格，并辅以大量的图表和数据，“零基础”的读者也可以高效地学习。第 2 篇应用实践篇（第3 ~ 8章），是产业界最新实践成果的总结。选取代码生成、代码转换、知识问答、推理加速、运维运营等研发大模型领域的高频业务作为剖析对象，详细展示作者在针对这些问题时的端到端思考，包括设计理念、关键技术瓶颈、解决方案及落地结果等。

无论你是初学者还是行业专家，都能在本书中找到宝贵的知识和实用的技巧，本书将帮助你在大模型技术的浪潮中乘风破浪。

作者简介

林学森，清华大学领军博士研究生，香港中文大学硕士研究生。具有20 年人工智能、操作系统、软件工程等领域的研究与创新经验。先后在多家世界500强企业担任首席架构师、首席技术规划、研发部长、软件LAB主任等研发和管理一线岗位，目前在华为公司承担某核心领域首席技术专家，AI辅助研发总体技术组副组长等工作。著有《深入理解Android内核设计思想》、《机器学习观止-核心原理与实践》等畅销作品。已被翻译出版到多个国家和地区，曾获工信部出版集团最佳图书等奖项。

吴锋，本科毕业于华中科技大学自动化与人工智能学院，博士毕业于华中科技大学自动化与人工智能学院，在南洋理工大学 Cyber Security Lab 从事博士后访问工作。分别在华为2012实验室、蚂蚁国际事业群、腾讯平台与内容事业群担任高级工程师和技术专家，从事软件成分分析、微服务架构与设计、软件治理、数据治理、人工智能与大模型在研发流程、内容审核等领域的应用落地，有着丰富的理论研究与工程实践经验。发表论文20余篇，google 引用量 500 ，申请和授权中国发明专利10余项。

王劲涛，清华大学电子工程系教授，中国电子学会会士，中国通信学会会士。主要研究领域为宽带无线通信、无线光通信、智能频谱感知、网络融合等。获国家科技进步奖一等奖、北京市科学技术奖一等奖、中国通信学会青年科技奖、国际电联信息社会世界峰会(WSIS)冠军奖等多项科研奖励。

显示全部信息

目　　录

第1篇 原理篇

第1章 人工智能概述 002

1.1 人工智能的定义 002

1.2 人工智能发展简史 003

1.2.1 史前文明，曙光初现（1956年之前） 004

1.2.2 初出茅庐，一战成名（1956—1974年） 008

1.2.3 寒风凛冽，首次入冬（1974—1980年） 011

1.2.4 卷土重来，威震八方（1980—1987年） 012

1.2.5 失望弥漫，再度入冬（1987—1993年） 014

1.2.6 重出江湖，渐入佳境（1993年至今） 016

1.3 自然语言处理和大语言模型 018

1.3.1 自然语言处理 018

1.3.2 大语言模型 037

第2章 大模型的数学基础 039

显示全部信息

前　　言

从零基础开始，带你直击AI大模型的本质

一本深入浅出，大家都看得懂的AI大模型教材

现在是2025年初，人工智能发展到了什么程度？

上面是作者让ChatGPT编写的本书序言，用时不到1分钟。

乍一看，似乎像那么回事，或者说相比于3年前的AI水平，这种实时的写作水平几乎是不可想象的。

这说明，过去的几年是AI技术呈井喷式发展的黄金期。值得一提的是，这种“黄金期”在AI近70年（从1956年达特茅斯会议开始计算）的发展历史中，还发生过好几次。每一次人们都“膨胀”地认为，人类已经无限接近“通用人工智能”，然后就是跌落谷底，周而复始。因而很多人这次多了些许谨慎：以大模型语言（Large Language Model，LLM）为典型代表的本轮“黄金期”，会重蹈历史的覆辙吗？

没有人可以精准预测未来，所以上述问题的答案暂时不得而知。