正版
精益大模型:成本优化与工程实践
- 书名
- 精益大模型:成本优化与工程实践
- 作者
- (美)施雷亚斯·苏布拉曼尼安(Shreyas Subramanian) 著 陈堰平,杨荟,袁铭 译
- 出版社
- 清华大学出版社
- 出版时间
- 2026-02-01
- ISBN
- 9787302707226
- 货号
- 1204315460
- 品相
- 全新
- 分类
- 当代·工业
- 书名
- 精益大模型:成本优化与工程实践
- 作者
- (美)施雷亚斯·苏布拉曼尼安(Shreyas Subramanian) 著 陈堰平,杨荟,袁铭 译
- 出版社
- 清华大学出版社
- 出版时间
- 2026-02-01
- ISBN
- 9787302707226
- 货号
- 1204315460
- 品相
- 全新
- 分类
- 当代·工业
作者简介▼
“ShreyasSubramanian博士是亚马逊云服务公司
(AWS)的首席数据科学家。AWS是自前最大的企业级大
语言模型构建者和提供商之一。Shreyas目前为亚马逊内部
团队以及大型企业客户提供咨询服务,协助他们规模化构
建、调优和部署生成式Ai应用。Shrevas开设了以机器学习
为核心的成本优化研讨会,助力企业降低云端机器学习应用
的成本。此外,他积极投身前沿技术研发,专注于基础模型
的高级训练、调优和部署等工作。”
目录▼
第1章 引言
1.1 GenAI应用和大语言模型概述
1.1.1 大语言模型的崛起
1.1.2 神经网络、Transformer及其未来发展
1.1.3 GenAI与LLM的区别
1.1.4 GenAI应用的三层架构
1.2 将GenAI应用投入生产的途径
1.3 成本优化的重要性
1.3.1 模型推理组件的成本评估
1.3.2 向量数据库组件的成本评估
1.3.3 大语言模型组件的成本评估
1.4 本章小结
第2章 微调技术与成本优化
2.1 微调和可定制性
2.2 参数高效微调方法
2.2.1 适配器的内在机制
2.2.2 低秩适配
2.3 PEFT方法的成本和性能影响
2.4 本章小结
第3章 推理成本的优化技巧
3.1 推理技术简介
3.2 提示工程
3.2.1 提示工程对成本的影响
3.2.2 清晰直接的提示词
……
文摘▼
随着人工智能和机器学习的发展,大语言模型(LLM)日益普及,但其高昂的计算成本成为许多企业入局的障碍。本书提供了构建和部署大语言模型的高性价比方案,从模型选择、提示工程到微调和部署的每个环节,指导读者在不过度牺牲性能的前提下有效控制成本。《精益大模型:成本优化与工程实践》专为开发者和数据科学家而写,提供了实施搜索系统、智能助手和自主智能体等有价值的生成式AI应用所需的实用技术知识。本书深入探讨了优化推理的技术,如模型量化和剪枝,并分析了在基础设施层面降低成本的机会。此外,本书展望了大语言模型成本优化的未来趋势,助你在生成式AI的下一阶段保持竞争力。本书由亚马逊顶尖数据科学家Shreyas Subramanian撰写,将带你攻克与大语言模型相关的挑战,并成功落地生成式AI解决方案。





