预训练语言模型：方法、实践与应用

9.4 RLHF微调

9.3 奖励模型

9.2 指令微调阶段

9.1 预训练阶段

第9章 大模型训练实战

8.3 文本匹配任务

8.2 信息抽取任务

8.1 文本分类任务

第8章 基于大型语言模型的自然语言处理任务应用研究

7.3 趋势与挑战

7.2 构建流程

7.1 核心组件

第7章 基于LangChain和ChatGLM-6B的知识库问答系统

第三部分 实践与应用

6.2 Prompt

6.1 GPT系列

第6章 GPT和提示工程

5.2 变种BERT

5.1 BERT

第5章 BERT和变种BERT

4.2 Transformer模型

4.1 注意力机制简介

第4章 注意力机制和Transformer模型

第二部分 预训练语言模型

3.6 动态型词向量文本表示方法

3.5 固定型词向量文本表示方法

3.4 主题型文本表示方法

3.3 词袋型文本表示方法

3.2 文本表示方法的分类

3.1 什么是预训练

第3章 预训练语言模型基础知识

2.2 神经网络主要类型

2.1 神经网络核心概念

第2章 神经网络预备知识

1.6 自然语言处理的常用工具

1.5 自然语言处理的常规任务

1.4 自然语言处理的研究领域

1.3 自然语言的特性

1.2 自然语言处理的发展历史

1.1 什么是自然语言处理

第1章 自然语言处理介绍

第一部分 基础知识

资源与支持

前言

内容提要

版权

版权信息

封面

封面

版权信息

版权

内容提要

前言

资源与支持

第一部分 基础知识

第1章 自然语言处理介绍

1.1 什么是自然语言处理

1.2 自然语言处理的发展历史

1.3 自然语言的特性

1.4 自然语言处理的研究领域

1.5 自然语言处理的常规任务

1.6 自然语言处理的常用工具

第2章 神经网络预备知识

2.1 神经网络核心概念

2.2 神经网络主要类型

第3章 预训练语言模型基础知识

3.1 什么是预训练

3.2 文本表示方法的分类

3.3 词袋型文本表示方法

3.4 主题型文本表示方法

3.5 固定型词向量文本表示方法

3.6 动态型词向量文本表示方法

第二部分 预训练语言模型

第4章 注意力机制和Transformer模型

4.1 注意力机制简介

4.2 Transformer模型

第5章 BERT和变种BERT

5.1 BERT

5.2 变种BERT

第6章 GPT和提示工程

6.1 GPT系列

6.2 Prompt

第三部分 实践与应用

第7章 基于LangChain和ChatGLM-6B的知识库问答系统

7.1 核心组件

7.2 构建流程

7.3 趋势与挑战

第8章 基于大型语言模型的自然语言处理任务应用研究

8.1 文本分类任务

8.2 信息抽取任务

8.3 文本匹配任务

第9章 大模型训练实战

9.1 预训练阶段

9.2 指令微调阶段

9.3 奖励模型

9.4 RLHF微调