|
000
|
01838nam 2200301 450
|
|
001
|
90555
|
|
005
|
20250815203619.38
|
|
010
|
|
@a978-7-121-50072-5@dCNY109.00
|
|
099
|
|
@aCAL 012025049840
|
|
100
|
|
@a20250520d2025 ekmy0chiy50 ea
|
|
101
|
0
|
@achi
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aa z 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@a大模型算法@Ada mo xing suan fa@e强化学习、微调与对齐@dLarge model algorithms@ereinforcement learning, fine-tuning, and alignment@f余昌叶著
|
|
210
|
|
@a北京@c电子工业出版社@d2025.04
|
|
215
|
|
@a230页@c图@d24cm
|
|
225
|
2
|
@a通用智能与大模型丛书@Atong yong zhi neng yu da mo xing cong shu
|
|
314
|
|
@a余昌叶, 资深算法工程师, 哈尔滨工业大学优秀毕业生。曾就职于腾讯等多家一线互联网企业, 拥有十年行业经验。主要研究方向为大模型、强化学习、推荐系统及图像处理。具备扎实的数学功底与深厚的算法理论基础, 主导并完成多项核心技术项目的工程化落地。已获六项国家发明专利, 曾荣获科研类全国航空航天模型锦标赛亚军等专业奖项, 以及腾讯卓越研发奖 (团队)、腾讯知识奖等多项企业级荣誉。
|
|
330
|
|
@a本书系统地讲解了大模型技术及其后训练 (Post-Training) 相关的各类算法、实践。全书以大语言模型 (LLM) 为核心, 内容广泛且深入, 绝大部分同样适用于视觉语言模型 (VLM) 和多模态语言模型 (MLLM) 。本书共10章, 第1章介绍SFT, 第2章介绍对齐算法宏观架构, 第3章介绍强化学习核心算法, 第4章介绍PPO算法, 第5章介绍RLHF, 第6章介绍DPO算法, 第7章介绍免训练的对齐和优化方法, 第8章介绍对齐算法的衍生和进化, 第9章和第10章是两个案例实践。
|
|
410
|
0
|
@12001 @a通用智能与大模型丛书
|
|
510
|
1
|
@aLarge model algorithms@ereinforcement learning, fine-tuning, and alignment@zeng
|
|
517
|
1
|
@a强化学习、微调与对齐@Aqiang hua xue xi 、 wei tiao yu dui qi
|
|
606
|
0
|
@a计算机应用@Aji suan ji ying yong@x信息处理
|
|
690
|
|
@aTP391@v5
|
|
701
|
0
|
@a余昌叶@Ayu chang ye@4著
|
|
801
|
0
|
@aCN@c20250909
|
|
905
|
|
@a河南城建学院图书馆@dTP391@eY745@f1
|
|
|
|
|
| |
| 大模型算法：强化学习、微调与对齐=Large model algorithms：reinforcement learning, fine-tuning, and alignment/余昌叶著.-北京：电子工业出版社，2025.04 |
| 230页：图；24cm.-(通用智能与大模型丛书) |
| |
| |
| ISBN 978-7-121-50072-5：CNY109.00 |
| 本书系统地讲解了大模型技术及其后训练 (Post-Training) 相关的各类算法、实践。全书以大语言模型 (LLM) 为核心, 内容广泛且深入, 绝大部分同样适用于视觉语言模型 (VLM) 和多模态语言模型 (MLLM) 。本书共10章, 第1章介绍SFT, 第2章介绍对齐算法宏观架构, 第3章介绍强化学习核心算法, 第4章介绍PPO算法, 第5章介绍RLHF, 第6章介绍DPO算法, 第7章介绍免训练的对齐和优化方法, 第8章介绍对齐算法的衍生和进化, 第9章和第10章是两个案例实践。 |
| ● |
正题名：大模型算法
索取号：TP391/Y745
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
1624517
|
216245178
|
自科库301/301自科库 64排2列3层/
[索取号:TP391/Y745]
|
在馆
|
|
