ChatGPT与大模型研究

人工智能（AI）领域正在迅速发展。在这一切的中心是生成式人工智能。而生成式人工智能的核心则是检索增强生成（RAG）。RAG作为生成式AI工具包中的重要组成部分，正在崭露头角，它将大型语言模型（LLMs

一次对大型语言模型（LLM）的调用可能已经非常强大，但如果将您的逻辑置于一个循环中，目标是完成更复杂的任务，那么您可以将检索增强生成（RAG）开发提升到一个全新的水平。这就是代理（agents）的概念

人工智能（AI）产品的前沿领域似乎与我们的宇宙有许多相似之处：不断扩张。随着我们不断深入探索新的方式来构想我们所参与的产品、组织和行业，这种扩张的速度每年都在加快。打下坚实的基础是理解这一转型的关键部

介绍 在本章中，我们将深入探讨Hugging Face生态系统的世界，这一平台是机器学习领域的先锋，为最先进的ML模型提供支持。Hugging Face已经成为实践者和研究人员的首选资源，提供了易于使

引言 想象一下，你是一名软件工程师，正在参与一个令人兴奋的项目，并且正在寻找一种编程语言来帮助你快速高效地创建软件。你听说了一种革命性的新编程语言，它被称为编程语言中的瑞士军刀：这种语言在创建机器学习

人工智能（AI）超越人类知识的概念通常被称为“技术奇点”。人工智能研究社区以及其他领域的一些预测表明，奇点可能在未来30年内到来。无论其时间节点如何，有一点是明确的：人工智能的崛起凸显了分析能力和机器

本章内容包括： 介绍 ChatGPT 理解借助 ChatGPT 可以创建哪些类型的网页 了解使用 ChatGPT 创建网页的局限性 学习如何通过 ChatGPT 创建属于自己的网页 英国科幻作家阿瑟·

在上一章中，我们开始将机器学习（ML）作为解决时间序列预测问题的工具。我们还讨论了一些技术，如时间延迟嵌入和时间嵌入，这些技术将时间序列预测问题转化为机器学习范式中的经典回归问题。本章，我们将详细介绍

在本书的前一部分，我们对时间序列有了基本的理解，并且掌握了分析和可视化时间序列的工具和技术，甚至生成了我们的第一个基线预测。到目前为止，我们主要讨论了经典和统计技术。现在，让我们稍微接触一下现代机器学

在上一章中，我们学习了一些可以用来理解时间序列数据、进行探索性数据分析（EDA）等的技术。但现在，让我们进入问题的核心——时间序列预测。理解数据集、查看模式、季节性等内容的目的是让预测工作变得更容易。

在上一章中，我们学习了从哪里获取时间序列数据集，以及如何使用 pandas 操作时间序列数据，处理缺失值等等。现在我们已经拥有了处理好的时间序列数据，是时候理解数据集了，数据科学家称之为探索性数据分析

在上一章中，我们了解了什么是时间序列，并建立了一些标准的符号和术语体系。现在，让我们从理论转向实践。在本章中，我们将亲自动手开始处理数据。尽管我们已经提到时间序列数据无处不在，但我们尚未真正着手处理任

欢迎来到《Python现代时间序列预测》！ 本书旨在为数据科学家或机器学习（ML）工程师提供提升时间序列分析技能的机会，帮助他们通过学习机器学习领域的新技术和先进方法来提高分析能力。时间序列分析在常见

2023年，一系列公司开始禁止或严格限制使用像ChatGPT这样的LLM服务，原因是担心可能泄露机密数据。这些公司包括三星、摩根大通、亚马逊、美国银行、花旗银行、德意志银行、富国银行和高盛等。这些金融

第1章回顾了Tay的悲惨故事：她的生命在受到恶意黑客攻击后被迫终止。该案例是我们如今称之为“提示词注入”的第一个高调示例，但绝非最后一个。在现实世界中，绝大多数与LLM相关的安全漏洞都涉及某种形式的提

与依赖预定义算法和静态数据库的传统Web应用不同，大型语言模型（LLM）通过庞大的神经网络生成动态且语境感知的响应。这种范式转变带来了独特的安全挑战，与传统Web应用中遇到的问题大相径庭。尽管研究人员

2023年春天，我开始研究LLM特有的安全漏洞。 当时，虽然关于人工智能安全的研究已经积累了相当大的研究量，但关于LLM（大型语言模型）的安全研究却非常零散。不过，我确实找到了一些研究论文和博客，涉及

随着ChatGPT于2022年11月30日的发布，大型语言模型和生成式AI迅速成为公众关注的焦点。在发布后仅五天内，这款产品就在社交媒体上迅速传播，吸引了第一批百万用户。到了次年1月，ChatGPT的

在本章中，我们将深入探讨LLMOps的组成部分，以及每个部分如何提高底层LLM（大语言模型）的效率、质量和性能。本章作为一个高层次的概述，后续章节将对此进行深入探讨。我们的重点将放在以下几个方面及其影

在本章中，我们将回顾自然语言处理（NLP）的历史演变以及大语言模型（LLM）发展的里程碑，带着历史视角和面向未来的眼光，探讨大语言模型操作（LLMOps）。LLMOps 是指为大语言模型在生产环境中的