ChatGPT与大模型研究

自编码器是一种主要用于实现表示学习的模型。表示学习是一种深度学习任务，专注于生成紧凑且具有代表性的特征，用于表示任何单一数据样本，无论是图像、文本、音频、视频还是多模态数据。经过某种形式的表示学习后，

递归神经网络（RNN）是一种神经网络，专门用于处理序列数据，并能够识别数据的顺序。序列数据可以是时间序列数据，也可以是没有时间成分的数据，如文本数据。这类神经网络的应用建立在数据本身的性质上。对于时间

在一般社交媒体中，我们初步了解了 LLM 提示的强大功能，我们亲眼看到了不同提示技术对 LLM 输出结果的影响，特别是当这些技术巧妙结合时。构建优秀 LLM 应用程序的挑战，实际上在于如何有效地构建发

MLP 结构是为了接受一维数据设计的，不能直接处理二维或更高维的数据，除非进行预处理。一维数据也称为表格数据，通常包括分类数据、数值数据，可能还包括文本数据。二维数据或更高维数据是某种形式的图像数据。

在上一章中，我们详细了解了整个深度学习生命周期，并理解了如何从头到尾使一个深度学习项目成功。凭借这些知识，我们现在可以更深入地探讨深度学习模型的技术细节。在本章中，我们将深入探讨在行业中常用的深度学习

在本章中，我们将探索深度学习生命周期的复杂性。与机器学习生命周期具有相似特征，深度学习生命周期既是一个框架，也是一个方法论，它将使深度学习项目的创意能够取得巨大成功，或者在合适的时候被完全废弃。我们将

本章内容包括： 为LLM进行规划并在智能体和助手中实现 通过自定义操作使用OpenAI Assistants平台 在LLM上实现/测试通用规划器 在高级模型中使用反馈机制 在构建智能系统中进行规划、推

本章内容包括： 使用各种提示工程技术扩展大语言模型的功能 使用启用推理的大语言模型提示工程技术 采用评估提示缩小范围并识别未知问题的解决方案 在我们已经研究了定义智能体语义记忆组件的记忆与检索模式之后

本章内容包括： 理解系统化的提示工程并设置您的第一个提示流程 制作有效的个人资料/角色提示 评估个人资料：评分标准和基础 大型语言模型个人资料的基础评估 比较提示：获得完美的个人资料 在本章中，我们深

本章内容包括： AI功能中的知识/记忆检索 使用LangChain构建检索增强生成工作流 Nexus中用于代理知识系统的检索增强生成 代理中的记忆检索模式 使用记忆和知识压缩改进增强检索系统 现在我们

本章内容： Nexus聊天和仪表盘界面，用于AI代理 Streamlit框架，用于构建智能仪表盘、原型和AI聊天应用 在Nexus中开发、测试和参与代理资料和角色 开发基础的Nexus代理 单独或在N

本章内容： 用于机器人和AI应用的行为树 GPT助手游乐场和创建助手及动作 代理行为树的自治控制 通过代理行为树模拟对话式多代理系统 使用反向推理创建复杂系统的行为树 现在我们已经讨论了如何通过动作扩

本章内容包括： 代理如何通过行动在自身之外执行任务 定义和使用OpenAI函数 语义内核以及如何使用语义函数 协同使用语义函数和原生函数 使用语义内核实例化GPT接口 在本章中，我们将通过使用函数探索

本章内容包括： 使用AutoGen Studio构建多代理系统 构建一个简单的多代理系统 创建可以在群聊中协作工作的代理 使用CrewAI构建代理团队和多代理系统 扩展代理数量并使用CrewAI探索处

本章内容: 介绍OpenAI GPT助手平台和ChatGPT界面 构建一个可以使用代码解释功能的GPT 通过自定义动作扩展助手功能 通过文件上传向GPT添加知识 将GPT商业化并发布到GPT商店 在探

本章内容包括： 理解大型语言模型（LLMs）的基础知识 连接并使用OpenAI API 使用LM Studio探索和使用开源LLM 通过提示工程（Prompt Engineering）进行LLM提示

本章内容包括： 定义代理（Agent）的概念 区分代理的组成部分 分析代理时代的崛起：为什么是代理？ 深入剖析AI界面 探索代理的生态系统 代理并不是机器学习和人工智能（AI）中的新概念。例如，在强化

本章内容包括： 机器学习算法的类型 从零开始学习算法的重要性 贝叶斯推理和深度学习简介 从零开始实现机器学习算法的软件 算法是为完成特定任务而需要的步骤序列。算法接受输入，执行一系列操作，并生成所需的

本章内容概述： 什么是机器学习（ML）系统设计，为什么它如此难以定义，以及你可能在何时第一次接触到它。 我们认为谁将从阅读本书中受益，我们将提供哪些信息，以及本书的结构安排。 机器学习系统设计中有哪些

本章内容包括： 查询意图分类 查询意义消歧 从用户信号中识别关键术语 从用户信号中学习相关短语 从用户信号中学习拼写错误和替代术语变体 在第5章中，我们演示了如何生成和使用语义知识图谱（SKG），以及