近年来，大模型技术飞速发展，从架构演进统一到训练方式转变，再到模型高效适配，大模型技术引发了机器学习范式的一系列重要革新，为通用人工智能发展提供了一种新的手段。本书主要叙述了大模型技术的最新发展概况、应用实例、当前及未来需要注意和解决的问题。内容包括：大模型技术概述、语言大模型技术、多模态大模型技术、大模型技术生态、大模型的开发训练与推理部署、大模型应用、大模型的安全性、大模型技术的问题总结与思考。

第1章 大模型技术概述
1.1 大模型技术的发展历程
1.2 大模型技术的生态发展
1.3 大模型技术的风险与挑战
第2章 语言大模型技术
2.1 Transformer架构
2.2 语言大模型架构
2.3 语言大模型关键技术
第3章 多模态大模型技术
3.1 多模态大模型的技术体系
3.2 多模态大模型的关键技术
第4章 大模型技术生态
4.1 典型大模型平台
4.2 典型开源大模型
4.3 典型开源框架与工具
4.4 大模型的训练数据
第5章 大模型的开发训练与推理部署
5.1 大模型开发与训练
5.2 大模型推理部署
5.3 软硬件适配与协同优化
第6章 大模型应用
6.1 信息检索
6.2 新闻媒体
6.3 智慧城市
6.4 生物科技
6.5 智慧办公
6.6 影视制作
6.7 智能教育
6.8 智慧金融
6.9 智慧医疗
6.10 智慧工厂
6.11 生活服务
6.12 智能机器人
6.13 其他应用
第7章 大模型的安全性
7.1 大模型安全风险引发全球广泛关注
7.2 大模型安全治理的政策法规和标准规范
7.3 大模型安全风险的具体表现
7.4 大模型安全研究关键技术
第8章 总结与思考
8.1 协同多方合作，共同推动大模型发展
8.2 建立大模型合规标准和评测平台
8.3 应对大模型带来的安全性挑战
8.4 开展大模型广泛适配，推动大模型技术栈自主可控
缩略词对照表
参考文献
编写人员贡献