特定领域的小语言模型：用于本地部署的高效 AI

越大并不总是越好。训练和调整针对特定领域任务而优化的高度集中的语言模型。
当您需要一个语言模型来准确、快速地响应特定知识领域时，法学硕士的庞大能力可能弊大于利。特定领域的小语言模型教您构建针对特定领域优化的生成式人工智能模型。

在特定领域的小语言模型中，您将发现
• 模型大小调整最佳实践
• 开源库、框架、实用程序和运行时
• 自定义数据集的微调技术
• Hugging Face 的 SLM 库
• 在商用硬件上运行 SLM
• 模型优化或量化

小语言模型 (SLM) 非常适合成本或硬件受限的环境，它在特定领域的数据上进行训练，以便在特定任务中获得高质量的结果。在特定领域的小语言模型中，您将开发 SLM，它可以生成从 Python 代码到蛋白质结构和抗体序列的所有内容，所有这些都在商用硬件上进行。

关于本书
特定领域的小语言模型教您如何创建语言模型，为特定知识领域提供法学硕士的力量。它为 Sebastian Raschka 的《构建大型语言模型（从头开始）》等基础文本提供了实用的、以应用程序为中心的对应内容，向您展示如何调整大规模概念以实现高效、专业的使用。您将学习如何最大限度地减少模型所需的计算能力，同时保持高质量的性能时间和输出。您将欣赏对复杂技术概念的清晰解释以及可以在笔记本电脑上运行和复制的工作代码示例。此外，您还将学习开发和交付仅依赖于 SLM 的 RAG 系统和 AI 代理，而无需支付基础模型访问成本。

关于读者
面向熟悉 Python 的机器学习工程师。

关于作者
Guglielmo Iozzia 是 MSD 机器学习/人工智能和应用数学部门的总监。他在博洛尼亚大学学习了电子和生物医学工程，在软件和机器学习/人工智能工程方面拥有广泛的背景，这些工程应用于不同行业的实际用例，例如生物技术制造、医疗保健、云运营和网络安全。