ChatGPT与大模型研究

本章内容包括 从零构建生成式预训练Transformer 因果自注意力机制 从预训练模型中提取和加载权重 使用GPT-2生成连贯文本（GPT-2是ChatGPT和GPT-4的前身） 生成式预训练Tra

本章内容包括： 循环神经网络（RNN）的基本思想及其为何适合处理序列数据 字符级分词、词级分词和子词分词 词嵌入（word embedding）的原理 构建和训练RNN以生成文本 利用温度调节（tem

本章内容涵盖 Transformer 中编码器和解码器的架构与功能 注意力机制如何利用查询（query）、键（key）和值（value）为序列中的元素分配权重 不同类型的 Transformer 从零

本章内容涵盖 自编码器（Autoencoder）与变分自编码器（Variational Autoencoder, VAE）的区别 构建与训练自编码器以重建手写数字 构建与训练变分自编码器以生成真人脸部

本章内容包括： CycleGAN 的基本理念及循环一致性损失 构建一个 CycleGAN 模型，实现图像在两个领域间的转换 使用任意包含两个图像领域的数据集训练 CycleGAN 实现黑发与金发之间的

本章内容包括： 通过镜像判别器网络的步骤设计生成器 2D卷积操作如何作用于图像 2D转置卷积操作如何在输出值之间插入空隙，生成更高分辨率的特征图 构建并训练生成对抗网络（GAN），生成灰度和彩色图像

本章内容包括 从零开始构建生成对抗网络（GAN）的生成器和判别器网络 使用GAN生成数据点以形成特定形状（如指数增长曲线） 生成所有为5的倍数的整数序列 GAN的训练、保存、加载与使用 评估GAN性能

本章内容包括 PyTorch 张量及其基本操作 为 PyTorch 深度学习准备数据 使用 PyTorch 构建和训练深度神经网络 利用深度学习进行二分类和多分类任务 创建验证集以决定训练的终止时机

本章内容包括： 生成式人工智能（Generative AI）与非生成式人工智能的区别 为什么 PyTorch 是深度学习和生成式 AI 的理想选择 生成对抗网络（GAN）的概念 注意力机制和 Tran

9.1 引言 图形处理单元（GPU）在大数据应用中非常有用，特别是在加速诸如机器学习和深度学习算法等复杂计算方面。GPU的并行处理能力远强于CPU，能够显著提升此类工作负载的处理速度。然而，并非所有大

LangGraph 是由 LangChain 创建的一个流行开源框架，帮助开发者利用大型语言模型（LLMs）构建复杂的、有状态且多参与者的应用程序。这种能力对于打造能够保留上下文、从交互中学习并持续进

2023年8月，微软、宾夕法尼亚州立大学、华盛顿大学以及中国西安电子科技大学的一组研究人员发表了一篇题为《AutoGen：通过多智能体对话实现下一代大型语言模型应用》的论文。该论文介绍了一个全新的开源

总部位于巴西圣保罗的 João Moura 拥有超过 20 年的软件工程师经验。他曾在 Clearbit、Urdog 和 Toptal 等初创公司工作过，期间使用过 Ruby、JavaScript、T

本书接下来的部分将深入探索构建 AI 智能体的精彩框架世界，如 CrewAI、LangGraph、AutoGen 和 Haystack。这些框架是强大的开发工具，使开发者能够创建功能丰富且具备自主能力

人工智能（AI）智能体是 AI 技术中一个多样化且不断演进的领域。这些智能体的能力范围从简单的、功能有限的系统，到能够进行复杂决策并从环境中学习的高级实体。常见的 AI 智能体类型包括：简单反射型智能

Andrew Ng 是人工智能领域的标志性人物，兼具学术权威与创业家的罕见特质。 在上世纪90年代，当大多数科技界人士热衷于互联网（dot-com）浪潮时，Ng 却更看好人工智能的发展潜力。他在贝尔实

每隔几年，总会冒出一种全新的技术，声音响亮地宣称“程序员即将被取代”。新闻标题似曾相识：“编程的终结！”、“人人都能开发 App！”，甚至还有夸张的例子：“我五岁的孩子还不识字，就已经会写代码了！”各

AI Agent热潮背后：Workflow方案为何更实用？ 在一次行业闭门交流会上，两位创业者的对话引起了在场所有人的共鸣： 创业者A（苦笑）：“我们原本想做一个全自动的AI Agent功能，觉得很高

引言：从效率工具到创意载体的转变 作为一名长期关注 AI 创业趋势的产品人，我最近深刻感受到 Lovart、Youware 和 Dia 代表了未来一年最具代表性的 AI 产品方向。这三个新锐产品虽然分

本章内容包括： 因果人工智能的定义及其优势 将因果性引入机器学习模型 因果性在机器学习模型中的简单示例 订阅制流媒体平台如Netflix，始终致力于优化各种绩效指标，其中之一是用户流失率（churn