Datawhale的开源大模型实战教程，透彻解读4类常见NLP任务的系统设计，3种方式书-课-代码仓库全方位学习，每个人都可以用大语言模型轻松做出自己的AI产品， 5位人工智能领域学者吴飞、周明、朱信忠、金耀辉、张俊林亲笔推荐！
◎编辑推荐：
适读人群 ：适合所有对大语言模型感兴趣的开发者阅读
1. Di一本基于大语言模型进行商业应用开发的书；
2. 以任务（相似匹配、句词分类、文本生成、复杂推理）为中心，内容不仅可用于ChatGPT，也适用于其他大语言模型；
3. 侧重于任务的讲解与设计，思路可用于任何项目；
4. 有详细的示例代码，大部分的代码稍作修改后可用于生产环境，还有Datawhale的HuggingLLM开源教程、B站视频课程，书-课-代码仓库全方位助力学习与实践；
5. Datawhale开源社区又一力作，五位人工智能领域学者吴飞、周明、朱信忠、金耀辉、张俊林亲笔推荐！
◎内容简介：
随着ChatGPT 的出现，大语言模型的能力得到了业内外的认可，新的商业模式不断涌现，旧的设计和实现都将重构。本书主要介绍基于ChatGPT 开发算法相关的应用或服务，侧重于介绍与自然语言处理相关的常见任务和应用，以及如何使用类似ChatGPT 的大语言模型服务来实现以前只有算法工程师才能完成的工作。
全书共8 章内容，第1 章介绍与ChatGPT 相关的基础知识，第2～5 章分别介绍相似匹配、句词分类、文本生成和复杂推理方面的任务，第6～8 章分别介绍ChatGPT 的工程实践、局限与不足，以及商业应用，以帮助读者更好地构建自己的应用。
本书以实践为主，尤其注重任务的讲解和设计，但同时也对自然语言处理相关算法的基本原理和基础知识进行科普性介绍，适合所有对大语言模型感兴趣的开发者阅读。
◎专业书评：
生成式人工智能所训练的大语言模型在内容合成等任务上取得了令人吃惊的进步，可产生新颖甚至是意料之外的结果——这与早期仅仅只会生硬地产生可预测结果的人工智能模型有很大不同，为探索通用人工智能的实现提供了一种方式，引起了各行业的广泛关注。因此我们所处的这个时期被誉为“人工智能的iPhone 时刻”。
这本书是由Datawhale 所推出的力作，秉承了Datawhale“为了学习者”的一贯理念，基于志愿者团队精彩的开源学习内容精心编纂而成，深入浅出地介绍大语言模型的原理和工程实践，对于初学者了解ChatGPT 非常有帮助！
——吴飞，浙江大学人工智能研究所所长
以ChatGPT 为代表的大语言模型技术推动了人工智能的发展，但如何应用大语言模型技术为用户赋能，产生更大的实用价值，仍然有很多现实问题需要去面对和解决。这本书是Datawhale 开源团队结合优质学习内容推出的又一力作，它帮助读者理解大语言模型背后的系统设计，进而能够利用大语言模型来研发自己的AI 产品。书中内容围绕自然语言处理任务展开，很多设计思路和细节其实可以应用到多个领域。期望读者多学多练，能够在实践中提升自我。
——周明，澜舟科技创始人兼CEO，创新工场首席科学家
这本书介绍了如何在大语言模型时代开发自然语言处理算法任务，让普通工程师借助大语言模型也能很快完成自然语言处理任务，在一定程度上降低了人工智能开发的门槛，让更多人有机会参与到人工智能行业的发展中。值得一提的是，这本书虽然以ChatGPT 作为示例，但绝大部分内容都可以无缝切换为其他大语言模型。这得益于本书基于以“自然语言处理算法任务”为核心的设计理念，因而这本书具有更长的生命周期。另外，书中提供的实践经验对自然语言处理算法工程师也具有实践指导意义。
——朱信忠，浙江师范大学人工智能研究院副院长，浙江省特级专家，Datawhale 首席科学家
随着ChatGPT 相关技术的快速发展，越来越多的人关心如何利用大语言模型的强大能力来解决具体问题。这是一本有关大语言模型应用和服务的实践指导书，详细介绍了如何开发基于大语言模型算法的应用和服务。这本书注重实际任务的设计及实现的思路讲解，并提供了对自然语言处理基础知识和算法原理的科普性介绍。相信无论是对大语言模型感兴趣的开发者还是算法工程师，都能从这本书中获益。
——张俊林，新浪微博新技术研发负责人
ChatGPT 已经成为公众关注的焦点，人工智能再次备受瞩目。虽然市面上已经有许多关于如何利用ChatGPT 提高工作效率的图书，但对于深入探讨ChatGPT 本质及其底层的大模型技术的作品却不多见。这本书以明晰而简洁的文字，阐述了大语言模型的工作原理，堪称杰作。更为可贵的是，书中还详细介绍了ChatGPT 的工程实施策略。对于那些渴望深入理解ChatGPT 和大模型技术的读者，我强烈推荐阅读这本书。
——金耀辉，上海交通大学人工智能研究院总工程师、教授