مدلهای زبانی بزرگ (LLMs) در حال ایجاد انقلابی در جهان هستند و وعده خودکارسازی وظایف و حل مسائل پیچیده را میدهند. نسل جدیدی از برنامههای نرمافزاری از این مدلها به عنوان بلوکهای سازنده برای باز کردن پتانسیلهای جدید در تقریباً هر حوزهای استفاده میکنند، اما دسترسی مطمئن به این قابلیتها نیازمند مهارتهای جدیدی است. این کتاب هنر و علم مهندسی پرامپت (Prompt Engineering) را به شما میآموزد که کلید باز کردن پتانسیل واقعی مدلهای زبانی بزرگ است. جان بریمن و آلبرت زیگلر، متخصصان صنعت، نحوه برقراری ارتباط مؤثر با هوش مصنوعی را به اشتراک میگذارند و ایدههای شما را به قالبی مناسب برای مدلهای زبانی تبدیل میکنند. با یادگیری مبانی فلسفی و تکنیکهای عملی، شما به دانش و اعتماد به نفس لازم برای ساخت نسل بعدی برنامههای مبتنی بر مدلهای زبانی بزرگ مجهز خواهید شد.
اشتراکی

با مرور فصلها، ساختار ، محتوای کتاب را به سرعت بشناسید.
با مرور فصلهای این کتاب میتونی خیلی سریع بفهمی هر بخش چی یاد میده، ساختار کلی چطوره و از کجا باید شروع کنی. هر فصل روی یک مفهوم یا مهارت خاص تمرکز داره و موضوعات اصلیش رو میبینی تا انتخابت آگاهانهتر باشه. چه بخوای کل کتاب رو دنبال کنی، چه فقط یک بخش خاص رو دنبال کنی، این نما کمکت میکنه مسیرت رو پیدا کنی.
این بخش به بررسی زیربنای مدلهای زبانی بزرگ و تکامل آنها میپردازد. خوانندگان با مفاهیم اصلی مانند معماری ترنسفورمر، توکنبندی و فرآیند یادگیری تقویتی از بازخورد انسانی (RLHF) آشنا میشوند.

مقدمهای بر مهندسی پرامپت

درک مدلهای زبانی بزرگ

حرکت به سمت چت

طراحی برنامههای کاربردی مبتنی بر مدلهای زبانی
این بخش بر روی روشهای عملی برای ساخت پرامپتهای مؤثر تمرکز دارد. خوانندگان یاد میگیرند که چگونه محتوا را جمعآوری کنند، پرامپتها را اسمبل کنند و مدل را برای دستیابی به نتایج دقیقتر هدایت کنند.

محتوای پرامپت

اسمبل کردن پرامپت

رام کردن مدل
بخش نهایی به مباحث پیشرفته مانند استفاده از ابزارها، عاملهای گفتگو (Conversational Agents) و گردشکارهای پیچیده اختصاص دارد. همچنین روشهای ارزیابی پیشرفته و چشمانداز آینده هوش مصنوعی بررسی میشود.

عاملهای گفتگو

گردشکارهای مدلهای زبانی

ارزیابی برنامههای کاربردی مدلهای زبانی

نگاهی به آینده
11 فصل در حال تولید
مدت زمان خوانش
08:01
نوع کتاب
اشتراکی
شرکت کنندگان
0 نفر
تولید کتاب
۳۱ شهریور ۱۴۰۵