對本書的贊譽
致謝
關于作者
譯者序
前言
第1章 大型語言模型革命
自然語言處理的幕后花絮
語言模型變得越大越好
生成式預訓練Transformer：GPT-3
生成模型
預訓練模型
Transformer模型
序列到序列模型
Transformer注意力機制
GPT-3：簡史
GPT-1
GPT-2
GPT-3
訪問OpenAI API
第2章 OpenAI API入門
OpenAI Playground
提示工程與設計
分解OpenAI API
Engine
Response length
Temperature和Top P
Frequency penalty和Presence penalty
Best of
Stop sequences
Inject start text和Inject restart text
Show probabilities
執行引擎
Davinci
Curie
Babbage
Ada
Instruct系列
API端點
列出引擎
返回引擎
補全
語義搜索
文件
Embedding
定制GPT-3
定制 GPT-3 模型支持的應用程序ⅩⅨ
如何為您的應用程序定制GPT-3
Token
定價
GPT-3在標準NLP任務上的性能
文本分類
命名實體識別
文本摘要
文本生成
文章生成
社交媒體生成
結論
第3章 GPT-3和編程
如何在Python中使用OpenAI API
如何在Go中使用OpenAI API
如何在Java中使用OpenAI API
由 Streamlit 提供支持的 GPT-3 沙盒
結論
第4章 GPT-3是下一代創業公司的推動者
模型即服務
近距離觀察新的創業環境：案例研究
GPT-3的創造性應用：Fable Studio
GPT-3的數據分析應用：Viable
GPT-3的聊天機器人應用：Quickchat
GPT-3的營銷應用：Copysmith
GPT-3的編碼應用：Stenography
投資者對GPT-3創業生態系統的展望
結論
第5章 GPT-3是企業創新的下一步
案例研究：GitHub Copilot
它是如何運行的
開發Copilot
低代碼/無代碼編程意味著什么
使用API擴展
GitHub Copilot的下一步是什么
案例研究：Algolia Answers
評估NLP選項
數據隱私
費用
速度和延遲
經驗教訓
案例研究：微軟的Azure OpenAI服務
本應建立的伙伴關系
Azure原生OpenAI API
資源管理
安全和數據隱私
企業級的模型即服務
其他微軟AI和ML服務
給企業的建議
OpenAI或Azure OpenAI服務：您應該使用哪一種
結論
第6章 GPT-3：好的、壞的和丑的
應對人工智能偏見
反偏見對策
低質量的內容和錯誤信息的傳播
LLM的綠色足跡
謹慎行事
結論
結論 實現人工智能的大眾化
無代碼？沒問題！
訪問和模型即服務
結論