NVIDIA大型语言模型初学者指座第一部分供稿人:安娜马莱。乔克林加姆·安库尔·帕特尔沙尚克.维尔马蒂芙尼杨
目录Preface3Glossary5Introduction to LLMs8Fine-Tuned LanguageModels11Evolution of Large Language Models11,NeuralNetworks12Transformers14How Enterprises Can Benefit From Using Large Language Models20Challenges of Large LanguageModels21Waysto Build LLMs21How toEvaluateLLMs22Notable Companies in the LLM Field23PopularStartup-developed LLMApps23
前言几千年来,语言一直是人类社会不可或缺的一部分。一个长期流行的理论,喉头下降理论或LDT，表明语音和语言可能在大约20万或30万年前进化，而最新的研究表明,它可能发生得更早不管它最初出现在什么时候，语言仍然是人类交流的基石。在今天的数字时代，信息技术扮演了更重要的角色,在这个时代，前所未有的一部分人可以通过文本和语音在全球范围内进行交全球每天发送和接收3473亿封电子邮件，50亿人(占全球总人口的63%)发送和接收短信，这一事实进个白大的信息宝库，可以帮助企业提取有价值的见解。识别趋势，并做出明智的决定。本亚可以分析客户评论等文本，以确定其产品的最畅销功能,并调整其同样。与语言分析相反,语言生产也正在成为企业越来越重要的工具。例如，创建博客帖子可以帮助企业将品牌知名度提高到前所未有的程度,而撰写电子邮件可以帮助他们以无与伦比的速度吸引新的利益相关者成令作补坐然而，语言分析和生产都是耗时的过程，会分散员工和决策者对更重要任务的注意力。例如领导者经常需要筛选大量的文本,以便做出明智的决策,而不是根据提取的关键信息做出决策。企业可以通过使用大型语言模型(LW)来完成与语言相关的任务，从而最大限度地减少这些和其他问题，例如人为错误的风险。LLMs可以帮助企业加快并在很大程度上自动化与语言生产和分析相关的工作,节省宝贵的时间和资源,同时提高准确性和效率。与以前的解决方案(如基于规则的系统)不同，LLM非常灵活，可以轻松适应各种与语言相关的任务,如生成内容或总结法律文档。
本书的目标是帮助企业理解是什么使LLM与以前的解决方案相比如此具有突破性,以及他们如何从采用或开发它们中受益。它还旨在通过概述LLM开发、培训和部署的最关键步骤来帮助金业取得领先。为了实现这些目标，本书分为三个部分:第1部分定义了LLM,并概述了这些年来使其成为可能的技术和方法的进步。它也处理更实际的话题，例如企业如何发展他们自己的LLM和LLM领域最著名的公司。这应该有助于企业理解采用LLM如何能够释放前沿的可能性并革新他们的运营第2部分讨论了LLM在企业中的五个主要用例，包括内容生成、摘要和聊天机器人支特。每个用例都以现实生活中的应用程序和案例研究为例，以展示以A如何解决实际向题并帮助企业实现性定日标第3部分是对想要构建、培训和部署自己的LLM的企业的实用指南。它概述了必要的先决条件以及不同开发和部署方法之间可能的权衡。ML工程师和数据科学家可以在整个LM开发过程中以此为参考希望这将激励尚未采用或开发自己的物流管理系统的企业尽快这样做，以便获得竞争优势并提供新的SOTA服务或产品。和往常一样,最大的好处将留给早期采用者或真正有远见的创裹者。
词汇表深度学习系统依善具有许多籍强号的神经网络束学习复杂模式的系统。条款生成人工智能人工智能程序可以生成新的内容，如文本、图像和音频。而不仅仅是分析它。大型语言模型(LLM)识别、总结、翻译、预测和生成文本和其他内容的语言模型。它们被称为大型，因为它们是在大量数据上训练的,并且有许多参数,流行的LLM达到数千亿个参数。自然语言处理计算机程序理解和生成的能力长短期记忆神经网络(LSTM)种特殊类型的rm。具有更复杂的小区模块,允许它保留了更多的过去的输入。自然语言生成MLG)自然语言处理的一部分,生成类似人类的文本。自然语言理解(NLU)自然语言处理的一部分，指计算机程序能够理解类似人类的文本。神经网络一种机器学习算法,神经网络的学习过程受人脑的启发。与人类非常相似,神经网络通过表征学习“学习”重要特征,并且比大多数其...
