这是一部从技术安全、监管框架、合规要求、伦理道德等角度全面讲解生成式人工智能安全问题的实战性著作，融合了跨学科专家的技术和经验，作者团队包括安全领域的资深技术精英、微软创新教育专家（MIEE）、生成式人工智能技术专家，以及在大数据企业、法律界深耕多年的知识产权与数据合规方面的专家。 阅读并掌握本书，你将收获以下10个方面知识： （1）大模型安全的范畴、现状和挑战：包括安全、监管与合规的关键问题，以及国家安全和社会治理角度安全隐患和风险点。 （2）大模型技术层面的安全风险：包括信息安全原则、传统安全风险、识别和分析人类意图的挑战，以及大模型的固有脆弱性。 （3）大模型监管与合规的法律框架：包括全球范围内的AIGC的监管现状，如诉讼压力、执法调查和立法进展，以及国内监管体系和国外典型法域的监管实践。 （4）大模型知识产权合规：在大模型的开发和应用中，如何确保知识产权的合规性，包括著作权、开源协议、专利权、商标权和商业秘密的保护。 （5）大模型数据合规：在大模型的构建过程中如何确保数据合规，包括模型训练、应用和优化等全流程的数据合规。 （6）大模型内容安全：在大模型的应用过程中如何确保内容安全，包括内容监管、内容安全风险和内容安全合规。 （7）大模型算法合规：在大模型的构建和应用开发过程中如何确保算法合规，包括算法备案、人工智能安全评估、算法公开透明、算法生成内容标识、算法反歧视、与算法有关的侵权和算法合规要点总结。 （8）大模型伦理安全：在大模型的构建和应用过程中如何确保伦理安全，包括伦理风险、成因分析、治理实践、应对策略和自查工具表。 （9）大模型的安全保障方案：如何构建一个既安全又可信的大模型环境，包括传统技术层面的安全保障、数据层面的保障策略和可信属性角度的安全防护策略。 （10）生成式人工智能的发展趋势：从技术视角和法律视角，洞察大模型在安全、监管与合规方面的发展趋势。

《大模型与超级平台》一书是对当下科技领域中最具影响力和前景的大模型技术与超级平台现象的全面解读。本书集结了众多科技前沿的思考者和实践者，他们的独到见解和深入研究共同构成了这本极具前瞻性和深度的著作。书中不仅深入剖析了大模型技术的内在逻辑、发展趋势及其在各行业的应用场景，还详细探讨了超级平台如何重塑商业模式、引领产业变革以及在全球范围内的竞争态势。 通过本书，读者将能够深入了解大模型与超级平台的最新动态、掌握其核心技术和发展趋势，从而在未来的科技浪潮中占据有利位置。它打破了传统科技书籍的局限，将科技与人文、经济、社会等多个领域相融合，涉及了生成式AI、数字科学家与平行科学、平台升级与大模型开发等前沿话题，为读者提供了更加宽广的视野和更加深刻的洞见。同时，本书还关注到实际应用和现实问题，提供了具体的案例分析和解决方案，使得读者能够将理论知识与实践相结合，更好地应对未来的挑战。

本书主要介绍了大模型的发展与演变、相关技术、应用场景、未来发展趋势和前景。本书首先回顾了大模型技术的起源和发展历程，然后介绍了数据预处理、Transformer、预训练与微调、模型推理和PyTorch框架等技术。此外，本书还通过具体的案例和实践展示了如何应用大模型技术来解决实际问题。本书旨在帮助读者全面了解大模型技术的发展与应用，并推动其在各个领域的应用和发展。 本书图文并茂，理论翔实，案例丰富，适合从事大模型开发的科研人员以及广大的开发者作为技术参考和培训资料，亦可作为高校本科生和研究生的教材。

本书全面揭示金融领域大模型的应用与发展趋势，也为我国人工智能在金融领域的深层次应用提供创新启示。

本书主要介绍了大模型的发展与演变、相关技术、应用场景、未来发展趋势和前景。本书首先回顾了大模型技术的起源和发展历程，然后介绍了数据预处理、Transformer、预训练与微调、模型推理和PyTorch框架等技术。此外，本书还通过具体的案例和实践展示了如何应用大模型技术来解决实际问题。本书旨在帮助读者全面了解大模型技术的发展与应用，并推动其在各个领域的应用和发展。 本书图文并茂，理论翔实，案例丰富，适合从事大模型开发的科研人员以及广大的开发者作为技术参考和培训资料，亦可作为高校本科生和研究生的教材。

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。 通过阅读本书，你将掌握以下知识： RAG的召回和生成模块算法 高级RAG系统的构建技巧 RAG系统的各种训练方法 RAG的范式变迁 零基础搭建RAG系统 高级RAG系统微调与搭建

本书收录了约百道大模型工程师常见的面试题目和解答，系统、全面地介绍了与大模型相关的技术，涵盖语义表达、数据预处理、预训练、对齐、垂类微调、组件、评估、架构、检索增强生成（RAG）、智能体、PEFT（参数高效微调），以及训练与推理等内容。书中通过丰富的实例、图表及代码讲解，将复杂概念阐释得通俗易懂，是大模型领域的一本不可多得的实用指南。本书适合对大模型和Transformer等技术感兴趣的学生、研究者和工程师阅读和参考。 编辑推荐 覆盖95%大模型面试高频考点 涵盖MoE、预训练、后训练、SFT、PEFT、RLHF、PPO、GRPO、DPO、FlashAttention、RAG、智能体以及DeepSeek MLA等

《实战AI大模型》是一本旨在填补人工智能（AI）领域（特别是AI大模型）理论与实践之间鸿沟的实用手册。书中介绍了AI大模型的基础知识和关键技术，如Transformer、BERT、ALBERT、T5、GPT系列、InstructGPT、ChatGPT、GPT 4、PaLM和视觉模型等，并详细解释了这些模型的技术原理、实际应用以及高性能计算（HPC）技术的使用，如并行计算和内存优化。 同时，《实战AI大模型》还提供了实践案例，详细介绍了如何使用Colossal AI训练各种模型。无论是人工智能初学者还是经验丰富的实践者，都能从本书学到实用的知识和技能，从而在迅速发展的AI领域中找到适合自己的方向。

"《大模型应用开发》系统梳理大模型应用开发的全链条知识，详解大模型应用开发过程中涉及的理论、技术、方法、过程、工具和分析案例，为开发者搭建从理论到实践的桥梁，助力解决技术落地中的实际问题，推动大模型在工业、科研、服务等领域的规模化应用，配套示例源码、PPT课件、配图PDF文件、读者微信交流群。 《大模型应用开发》共分12章，内容包括大模型基础、大模型架构、多模态大模型、提示词工程、大模型微调、检索增强生成、AI智能体、大模型应用、大模型应用架构、大模型开发框架、法律咨询智能助手、代码修复智能助手。 《大模型应用开发》既适合大模型应用开发初学者、大模型应用开发工程师、大模型应用开发研究人员、行业AI解决方案提供商，也适合高等院校及高职高专院校学习大模型应用开发的学生。"

《实战AI大模型》是一本旨在填补人工智能（AI）领域（特别是AI大模型）理论与实践之间鸿沟的实用手册。书中介绍了AI大模型的基础知识和关键技术，如Transformer、BERT、ALBERT、T5、GPT系列、InstructGPT、ChatGPT、GPT 4、PaLM和视觉模型等，并详细解释了这些模型的技术原理、实际应用以及高性能计算（HPC）技术的使用，如并行计算和内存优化。 同时，《实战AI大模型》还提供了实践案例，详细介绍了如何使用Colossal AI训练各种模型。无论是人工智能初学者还是经验丰富的实践者，都能从本书学到实用的知识和技能，从而在迅速发展的AI领域中找到适合自己的方向。