制造业大模型的构建与实践

作者简介

12.4 小结

12.3.6 伦理与道德

12.3.5 大模型与机器人

12.3.4 通用还是垂直

12.3.3 模型越大越好吗

12.3.2 Transformer是终极架构吗

12.3.1 正确认识大模型

12.3 大模型展望

12.2.2 制造业应用

12.2.1 赋能千行百业

12.2 大模型应用万花筒

12.1.2 思想与技术

12.1.1 技术理论流派

12.1 大模型技术大观园

第12章 总结与展望

小故事

11.4 小结

11.3.5 运维档案管理

11.3.4 智能客服与知识问答

11.3.3 运维现场规范管理

11.3.2 预测性维护

11.3.1 人才培养与培训

11.3 大模型在电梯运维行业的应用

11.2.2 电梯运维行业的挑战

11.2.1 电梯运维简介

11.2 电梯运维行业

11.1.2 设备运维大模型的行业案例

11.1.1 设备运维行业的特点

11.1 设备运维大模型的现状

第11章 设备运维大模型的应用实践

小故事

10.3 小结

10.2.4 工业机器人

10.2.3 产品质检

10.2.2 生产工艺优化

10.2.1 智能排产

10.2 大模型在生产制造环节的应用

10.1.3 工业制造大模型的构建方式

10.1.2 工业制造大模型的种类

10.1.1 工业制造大模型的概念

10.1 工业制造大模型简介

第10章 工业制造大模型的应用实践

小故事

9.4 小结

9.3 软硬件适配

9.2.5 参数共享

9.2.4 剪枝

9.2.3 量化

9.2.2 蒸馏

9.2.1 模型压缩简介

9.2 大模型压缩

9.1.2 边缘部署

9.1.1 云端部署

9.1 大模型部署

第9章 大模型部署与压缩

小故事

8.5 小结

8.4.4 代理模块

8.4.3 链模块

8.4.2 提示词模板

8.4.1 LangChain工具简介

8.4 LangChain：AI Agent高效实战工具

8.3.2 AI Agent与RPA的关系

8.3.1 流行的AI Agent

8.3 AI Agent应用

8.2.5 大模型与AI Agent的关系

8.2.4 行动模块

8.2.3 大脑模块

8.2.2 感知模块

8.2.1 基本框架

8.2 AI Agent原理

8.1.2 对AI Agent的不同理解

8.1.1 AI Agent技术简史

8.1 AI Agent简介

第8章 基于大模型的AI Agent

小故事

7.4 小结

7.3.6 RAG应用场景

7.3.5 RAG效果评估

7.3.4 智能生成

7.3.3 相似检索

7.3.2 向量数据库的构建

7.3.1 RAG的概念

7.3 大模型检索增强生成

7.2.7 微调技术对比

7.2.6 混合式微调

7.2.5 外挂式微调

7.2.4 前缀式微调

7.2.3 适配式微调

7.2.2 局部微调

7.2.1 全量微调

7.2 垂直制造领域大模型的构建方法

7.1.2 大模型应用的8种情形

7.1.1 企业资源现状

7.1 企业应用大模型的8种情形

第7章 制造业企业应用大模型的方法

应用篇

小故事

6.5 小结

6.4.2 防御策略

6.4.1 提示词攻击

6.4 对抗提示

6.3.3 思维图

6.3.2 思维树

6.3.1 思维链

6.3 思维链系列技术

6.2.3 提示词通用技巧

6.2.2 零样本提示

6.2.1 少样本提示

6.2 提示词工程技术

6.1.3 提示词的类别

6.1.2 提示词的必要性

6.1.1 提示词的概念

6.1 提示词简介

第6章 提示词工程

小故事

5.5 小结

5.4.3 文生视频

5.4.2 文生图

5.4.1 常用的多模态大模型

5.4 AIGC应用

5.3.2 扩散模型

5.3.1 生成对抗网络

5.3 AIGC技术

5.2.3 对比学习

5.2.2 多模态融合

5.2.1 多模态编码

5.2 多模态基本技术

5.1.3 多模态大模型的主要任务

5.1.2 多模态大模型的发展历程

5.1.1 多模态大模型的概念

5.1 多模态大模型简介

第5章 多模态大模型

小故事

4.4 小结

4.3.4 MoE总结

4.3.3 MoE的实现方式

4.3.2 MoE的基本原理

4.3.1 MoE的概念

4.3 混合专家模型

4.2.4 指令微调总结

4.2.3 基于人类反馈的强化学习

4.2.2 奖励模型

4.2.1 有监督微调

4.2 指令微调

4.1.4 大模型幻觉

4.1.3 安全性

4.1.2 鲁棒性

4.1.1 可控性

4.1 预训练模型的局限性

第4章 大模型价值对齐

小故事

3.6 小结

3.5.2 模型训练步骤

3.5.1 模型构建

3.5 模型训练

3.4.3 常用的词嵌入方法

3.4.2 Word2Vec

3.4.1 独热编码

3.4 词嵌入

3.3.5 常用的分词器

3.3.4 中文分词

3.3.3 子词级分词

3.3.2 字母级分词

3.3.1 词级分词

3.3 分词

3.2.3 隐私消除

3.2.2 冗余去除

3.2.1 低质过滤

3.2 数据处理

3.1.2 资源准备

3.1.1 基本路径

3.1 大模型构建的基本方法

第3章 大模型构建路径

小故事

2.4 小结

2.3.3 Transformer架构模型的特点与发展

2.3.2 Transformer架构的原理

2.3.1 Transformer架构的背景

2.3 大模型架构原理

2.2.3 大模型的发展

2.2.2 模型的分类

2.2.1 模型的概念

2.2 大模型简介

2.1.2 人工智能技术的流派之争

2.1.1 人工智能发展的三起三落

2.1 人工智能的发展历程

第2章 大模型基础

小故事

1.4 小结

1.3.4 制造业大模型

1.3.3 大模型在制造业中的应用

1.3.2 制造业是大模型的主战场

1.3.1 大模型赋能制造业

1.3 制造业为什么需要大模型

1.2.3 对大模型的常见误区

1.2.2 大模型的基本能力

1.2.1 什么是大模型

1.2 大模型的基本知识

1.1.2 智能制造

1.1.1 企业数字化

1.1 制造业的数字化进展

第1章 制造业与大模型

基础篇

前言

内容简介

版权页

封面

封面

版权页

内容简介

前言

基础篇

第1章 制造业与大模型

1.1 制造业的数字化进展

1.1.1 企业数字化

1.1.2 智能制造

1.2 大模型的基本知识

1.2.1 什么是大模型

1.2.2 大模型的基本能力

1.2.3 对大模型的常见误区

1.3 制造业为什么需要大模型

1.3.1 大模型赋能制造业

1.3.2 制造业是大模型的主战场

1.3.3 大模型在制造业中的应用

1.3.4 制造业大模型

1.4 小结

小故事

第2章 大模型基础

2.1 人工智能的发展历程

2.1.1 人工智能发展的三起三落

2.1.2 人工智能技术的流派之争

2.2 大模型简介

2.2.1 模型的概念

2.2.2 模型的分类

2.2.3 大模型的发展

2.3 大模型架构原理

2.3.1 Transformer架构的背景

2.3.2 Transformer架构的原理

2.3.3 Transformer架构模型的特点与发展

2.4 小结

小故事

第3章 大模型构建路径

3.1 大模型构建的基本方法

3.1.1 基本路径

3.1.2 资源准备

3.2 数据处理

3.2.1 低质过滤

3.2.2 冗余去除

3.2.3 隐私消除

3.3 分词

3.3.1 词级分词

3.3.2 字母级分词

3.3.3 子词级分词

3.3.4 中文分词

3.3.5 常用的分词器

3.4 词嵌入

3.4.1 独热编码

3.4.2 Word2Vec

3.4.3 常用的词嵌入方法

3.5 模型训练

3.5.1 模型构建

3.5.2 模型训练步骤

3.6 小结

小故事

第4章 大模型价值对齐

4.1 预训练模型的局限性

4.1.1 可控性

4.1.2 鲁棒性

4.1.3 安全性

4.1.4 大模型幻觉

4.2 指令微调

4.2.1 有监督微调

4.2.2 奖励模型

4.2.3 基于人类反馈的强化学习

4.2.4 指令微调总结

4.3 混合专家模型

4.3.1 MoE的概念

4.3.2 MoE的基本原理

4.3.3 MoE的实现方式

4.3.4 MoE总结

4.4 小结

小故事

第5章 多模态大模型

5.1 多模态大模型简介

5.1.1 多模态大模型的概念

5.1.2 多模态大模型的发展历程

5.1.3 多模态大模型的主要任务

5.2 多模态基本技术

5.2.1 多模态编码

5.2.2 多模态融合

5.2.3 对比学习

5.3 AIGC技术

5.3.1 生成对抗网络

5.3.2 扩散模型

5.4 AIGC应用

5.4.1 常用的多模态大模型

5.4.2 文生图

5.4.3 文生视频

5.5 小结

小故事

第6章 提示词工程

6.1 提示词简介

6.1.1 提示词的概念

6.1.2 提示词的必要性

6.1.3 提示词的类别

6.2 提示词工程技术

6.2.1 少样本提示

6.2.2 零样本提示

6.2.3 提示词通用技巧

6.3 思维链系列技术

6.3.1 思维链

6.3.2 思维树

6.3.3 思维图

6.4 对抗提示

6.4.1 提示词攻击

6.4.2 防御策略

6.5 小结

小故事

应用篇

第7章 制造业企业应用大模型的方法

7.1 企业应用大模型的8种情形

7.1.1 企业资源现状

7.1.2 大模型应用的8种情形

7.2 垂直制造领域大模型的构建方法

7.2.1 全量微调

7.2.2 局部微调

7.2.3 适配式微调

7.2.4 前缀式微调

7.2.5 外挂式微调

7.2.6 混合式微调

7.2.7 微调技术对比

7.3 大模型检索增强生成

7.3.1 RAG的概念

7.3.2 向量数据库的构建

7.3.3 相似检索

7.3.4 智能生成

7.3.5 RAG效果评估

7.3.6 RAG应用场景

7.4 小结

小故事

第8章 基于大模型的AI Agent

8.1 AI Agent简介

8.1.1 AI Agent技术简史

8.1.2 对AI Agent的不同理解

8.2 AI Agent原理

8.2.1 基本框架

8.2.2 感知模块

8.2.3 大脑模块

8.2.4 行动模块

8.2.5 大模型与AI Agent的关系

8.3 AI Agent应用

8.3.1 流行的AI Agent

8.3.2 AI Agent与RPA的关系

8.4 LangChain：AI Agent高效实战工具

8.4.1 LangChain工具简介

8.4.2 提示词模板

8.4.3 链模块

8.4.4 代理模块

8.5 小结

小故事

第9章 大模型部署与压缩

9.1 大模型部署

9.1.1 云端部署

9.1.2 边缘部署

9.2 大模型压缩

9.2.1 模型压缩简介

9.2.2 蒸馏

9.2.3 量化

9.2.4 剪枝

9.2.5 参数共享

9.3 软硬件适配

9.4 小结

小故事

第10章 工业制造大模型的应用实践

10.1 工业制造大模型简介

10.1.1 工业制造大模型的概念

10.1.2 工业制造大模型的种类

10.1.3 工业制造大模型的构建方式

10.2 大模型在生产制造环节的应用

10.2.1 智能排产

10.2.2 生产工艺优化

10.2.3 产品质检

10.2.4 工业机器人

10.3 小结

小故事

第11章 设备运维大模型的应用实践

11.1 设备运维大模型的现状

11.1.1 设备运维行业的特点

11.1.2 设备运维大模型的行业案例

11.2 电梯运维行业

11.2.1 电梯运维简介

11.2.2 电梯运维行业的挑战

11.3 大模型在电梯运维行业的应用

11.3.1 人才培养与培训

11.3.2 预测性维护

11.3.3 运维现场规范管理

11.3.4 智能客服与知识问答

11.3.5 运维档案管理

11.4 小结

小故事

第12章 总结与展望

12.1 大模型技术大观园

12.1.1 技术理论流派

12.1.2 思想与技术

12.2 大模型应用万花筒

12.2.1 赋能千行百业

12.2.2 制造业应用

12.3 大模型展望

12.3.1 正确认识大模型

12.3.2 Transformer是终极架构吗

12.3.3 模型越大越好吗

12.3.4 通用还是垂直

12.3.5 大模型与机器人

12.3.6 伦理与道德

12.4 小结

作者简介