登入
｜
註冊
｜
會員中心
｜
結帳
｜
培訓課程
魔法弟子
｜
自資出版
｜
電子書
｜
客服中心
｜
智慧型立体會員
書名
出版社
作者
isbn
編號
5050魔法眾籌
|
NG書城
|
國際級品牌課程
|
優惠通知
|
霹靂英雄音樂精選
|
此作者無相關書籍
文學小說
文學
｜
小說
商管創投
財經投資
｜
行銷企管
人文藝坊
宗教、哲學
社會、人文、史地
藝術、美學
｜
電影戲劇
勵志養生
醫療、保健
料理、生活百科
教育、心理、勵志
進修學習
電腦與網路
｜
語言工具
雜誌、期刊
｜
軍政、法律
參考、考試、教科用書
科學工程
科學、自然
｜
工業、工程
家庭親子
家庭、親子、人際
青少年、童書
玩樂天地
旅遊、地圖
｜
休閒娛樂
漫畫、插圖
｜
限制級
LLM：困難部分｜以開源AI方案解決開發難題
Large Language Models： The Hard Parts
作者：
Tharsis Souza， Jonathan Regenstein
譯者：
agility studio
分類：
電腦與網路
／
AI•人工智慧
出版社：
美商歐萊禮中文書
出版日期：2026/10/30
ISBN：9786264254311
書籍編號：kk0614349
頁數：360
定價：
780
元
優惠價：
82
折
640
元
書價若有異動，以出版社實際定價為準
訂購後立即為您進貨
訂購後立即為您進貨：目前無庫存量,讀者下訂後,開始進入調書程序,一般天數約為2-10工作日(不含例假日)。
團購數最低為 20 本以上
評價數：
(請將滑鼠移至星星處進行評價)
目前平均評價：
文字連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0614349'>LLM：困難部分｜以開源AI方案解決開發難題</a>
圖片連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0614349'><img src='https://www.silkbook.com/mall_image/bk/kk0614349.jpg' ALT='LLM：困難部分｜以開源AI方案解決開發難題' height='120' width='90'></a>
分
享
內容簡介
作者介紹
書籍目錄
同類推薦
LLM：困難部分｜以開源AI方案解決開發難題 「本書由兩位頂尖實踐者執筆，無論讀者程度如何，皆能從這一本必備指南中取得駕馭 LLM 的實用工具。」 Sudheer Chava，喬治亞理工學院金融服務創新實驗室主任、Alton M. Costley 講座教授 「本書深入探討現實 LLM 系統的棘手挑戰，並提供周全且務實的見解。」 Tomaso Aste，倫敦大學學院複雜科學教授 大型語言模型(LLM)徹底改變了自然語言處理流程，然而，當你在應用程式中部署它們時，也會面臨許多技術挑戰。本書清楚且務實地剖析了開發者與 AI 工程師建構 LLM 應用程式時面臨的難關。本書聚焦於實作陷阱，而非僅談論功能，並透過可重現的 Python 程式碼與開源工具來提供立即可用的策略。 本指南專為開發者與技術產品主管而寫，提供解決現實問題的方法，幫助讀者理解 LLM 的限制與取捨，進而突破應用程式評估、輸入管理、測試、安全…等關鍵障礙。 • 為非確定性系統設計測試策略與評估策略 • 管理脈絡、RAG 與長脈絡檢索 • 處理輸出不一致與結構不可靠的問題 • 建構安全與內容審核框架 • 探討校準挑戰與緩解方法 • 在本機上運用開源模型
第一章 第一原理：在開始打造LLM應用程式之前該考慮哪些事情 為什麼選擇開源方案？ 策略考量 組織的AI架構 資料的重要性 模型類型 模型特性 成本與速度 授權條款 客製化 小型語言模型 結語 第二章 評估落差 LLM的不確定性 評估挑戰 設計LLMBA評估框架 評估方法 LLM效能評測簡介 ARC－AGI與ARC Prize 結語 第三章 LLM應用程式的評估工具 LangSmith Promptfoo LightEval 結語 第四章 從資料到脈絡 文件前處理 RAG 長脈絡模型是 RAG 的終結者嗎？ LCM案例研究：產生附有來源的考題 結語 第五章 輸出結構化的資料 結構化輸出為何重要 約束為何如此困難？Transformer架構 訓練期約束技術 推論期約束技術 結語 第六章 LLM安全考量 一般AI安全風險 LLM特有的安全風險 因應LLMBA安全風險 AI實驗室與政策中心的指引 讓LLM更安全的兩種具體方法 結語 第七章 評估LLM的安全性 利用評測資料集來評估安全 執行期護欄與內容審核 採用LLM－as－a－Judge的自訂審核 案例研究：建構K－12學生安全篩選器 結語 第八章 LLM校準：案例研究 為什麼需要校準？ RLHF：讓LLM值得信賴的關鍵突破 案例研究：讓LLM符合政策要求 設計安全與校準計畫 結語 第九章 結語：在成本持續下降的時代中的LLM應用 附錄 幫助你在本機部署LLM的工具 索引
IT日常裡的AI：加
LLM服務部署與最佳
Google Gem
最強AI搜尋：SEO
現代 AI 全景聖經
Deep Agent
最重要的 20 個
不只會用 Agent
AI 時代的終端機入
寫出心高度 AI時代
為了保障您的權益，新絲路網路書店所購買的商品均享有到貨七天的鑑賞期（含例假日）。退回之商品必須於鑑賞期內寄回（以郵戳或收執聯為憑），且商品必須是全新狀態與完整包裝(商品、附件、內外包裝、隨貨文件、贈品等)，否則恕不接受退貨。
