本书详细介绍了大语言模型和多模态大模型的发展历史、技术原理和亮点、主要的开源框架、配套工具、部署细则和实战案例。为了让读者更好地进行大模型的应用实战，本书还详细介绍了使用大模型为商业赋能的3个应用案例。期望本书能够帮助读者打开通往大模型尤其是多模态大模型的学习、实战和商业成功之路。

茹炳晟，腾讯Tech Lead资深技术专家，腾讯研究院特约研究员，中国计算机学会（CCF）TF研发效能SIG主席，业界知名实战派研发效能和软件质量双领域专家，腾讯云、阿里云、华为云最具价值专家，中国商业联合会互联网应用技术委员会智库专家，团体标准《软件研发效能度量规范》核心编写专家，Certified DevOps Enterprise Coach课程开发者之一。年度IT图书最具影响力作者，畅销书《测试工程师全栈技术进阶与实践》《软件研发效能提升之美》《软件研发效能提升实践》《高效自动化测试平台：设计与开发实战》作者，极客时间“软件测试52讲”作者。国内各大技术峰会的联席主席，出品人和keynote演讲嘉宾。

第1章 OpenAI一鸣惊人带来的启示
1.1 OpenAI的成长并非一帆风顺
1.2 OpenAI成功的因素
1.3 OpenAI特殊的股权设计带来的启示
1.4 思考
第2章 自然语言处理的发展历程
2.1 自然语言处理的里程碑
2.1.1 背景介绍
2.1.2 自然语言处理发展的7个阶段
2.2 从BERT模型到ChatGPT
2.3 BERT模型到底解决了哪些问题
2.4 BERT模型诞生之后行业持续摸索
2.5 ChatGPT的诞生
2.5.1 InstructGPT模型的构建流程
2.5.2 ChatGPT和InstructGPT的差异
2.5.3 ChatGPT和BERT大模型在公开数据集上的测试
2.5.4 高质量的数据标注
2.6 思考
第3章 读懂ChatGPT的核心技术
3.1 基于Transformer的预训练语言模型
3.2 提示学习与指令微调
3.3 基于人工反馈的强化学习
3.4 思维链方法
3.5 集成学习
3.6 思考
第4章 看清GPT的进化史和创新点
4.1 GPT技术的发展历程
4.1.1 GPT-1技术的发展历程
4.1.2 GPT-2技术的发展历程
4.1.3 GPT-3技术的发展历程
4.2 GPT的创新点总结
4.3 思考
第5章 大模型+多模态产生的“化学反应”
5.1 多模态模型的发展历史
5.2 单模态学习、多模态学习和跨模态学习的区别
5.3 多模态大模型发展的重大里程碑
5.4 大模型+多模态的3种实现方法
5.5 多模态大模型的效果评估
5.6 思考
第6章 多模态大模型的核心技术
6.1 文本多模态技术
6.1.1 基于模板的图像描述方法
6.1.2 基于检索的图像描述方法
6.1.3 基于深度学习的图像描述方法
6.2 图像多模态技术
6.2.1 基于GAN的文本生成图像方法
6.2.2 基于VAE的文本生成图像方法
6.2.3 基于扩散模型的文本生成图像方法
……
第7章 国内外多模态大模型对比
第8章 中小公司的大模型构建之路
第9章 从0到1部署多模态大模型
第10章 多模态大模型的主要应用场景
第11章 用多模态大模型打造AI助理实战
第12章 多模态大模型在情绪识别领域的应用
第13章 大模型在软件研发领域的实战案例与前沿探索