AIGC重塑供应链金融：大模型在供应链金融领域的应用与实践
全新正版 极速发货
￥ 63.31 6.4折 ￥ 99 全新
库存32件
作者联易融课题组 著
出版社机械工业出版社
ISBN9787111765080
出版时间2024-11
装帧平装
开本16开
定价99元
货号1203446113
上书时间2024-11-24
商品详情
- 品相描述：全新
- 商品描述
-
目录
CONTENTS<br />目 录<br />序言 AI重塑供应链金融科技<br />前言 供应链金融新纪元<br />第1章 进化、协同与创新1<br />1.1 语言和文字是人类社会的协同工具2<br />1.2 金融是人类社会生产中的资源协同工具3<br />1.3 传统金融：对人不对事5<br />1.4 供应链金融：对事不对人6<br />1.5 GPT模型：让机器能够理解非结构化数据6<br />1.6 业务场景中链路越长，AI提升的空间越大7<br />1.7 量变引起质变：金融交易的新时代8<br />第2章 全面认识AIGC与大模型9<br />2.1 ChatGPT横空出世10<br />2.2 AIGC的发展历史13<br />2.3 大模型的能力15<br />2.3.1 超强的语言组织能力16<br />2.3.2 垂直领域的能力16<br />2.3.3 逻辑推理能力18<br />2.3.4 多模态内容的理解能力19<br />2.4 大模型的现状20<br />2.5 国内科技巨头的大模型布局23<br />2.5.1 百度“文心一言”大模型24<br />2.5.2 阿里“通义千问”大模型24<br />2.5.3 腾讯“混元”大模型25<br />2.5.4 华为“盘古”大模型26<br />2.5.5 科大讯飞“讯飞星火”大模型26<br />2.5.6 网易“玉言”大模型27<br />2.5.7 “360智脑”大模型28<br />2.5.8 京东“言犀”大模型29<br />2.5.9 百川智能大模型29<br />2.5.10 智谱AI ChatGLM大模型30<br />2.6 开源大模型介绍31<br />2.7 AIGC未来展望34<br />第3章 大模型技术解析39<br />3.1 ChatGPT的工作原理：AI成语接龙40<br />3.2 早期的自然语言处理技术架构41<br />3.3 Transformer架构43<br />3.4 GPT模型的原理与应用45<br />3.4.1 GPT模型：利用无标签数据进行预训练45<br />3.4.2 GPT模型的构建与训练过程47<br />3.5 技术的突破：量变引起质变49<br />3.5.1 大模型的涌现49<br />3.5.2 思维链52<br />3.5.3 训练大模型的软硬件基础54<br />第4章 企业落地大模型的方法59<br />4.1 AI 原生应用和AI应用落地的选择60<br />4.1.1 AI原生应用的特征60<br />4.1.2 向AI原生企业转型的五个阶段61<br />4.1.3 企业落地大模型的常用方法63<br />4.2 提示工程64<br />4.2.1 提示工程的作用65<br />4.2.2 提示类型66<br />4.2.3 提示工程的最佳实践69<br />4.3 RAG与知识库76<br />4.3.1 RAG的基本原理 77<br />4.3.2 RAG架构的演变过程79<br />4.3.3 RAG的挑战与未来发展方向81<br />4.3.4 知识库的概念82<br />4.3.5 向量数据库85<br />4.3.6 知识图谱90<br />4.4 AI Agent99<br />4.4.1 AI Agent的哲学意义102<br />4.4.2 AI Agent的架构体系104<br />4.4.3 AI Agent的实际案例114<br />4.4.4 AI Agent的社会协同模式116<br />4.4.5 AI Agent的问题和挑战118<br />4.4.6 AI Agent的落地设想121<br />4.5 模型微调123<br />4.5.1 大模型微调的意义123<br />4.5.2 大模型的微调方法126<br />4.5.3 大模型微调的实践与挑战138<br />4.6 重新训练大模型145<br />4.6.1 基础准备与大模型架构选择145<br />4.6.2 数据的收集与处理148<br />4.6.3 训练策略154<br />4.6.4 模型评估和调优156<br />4.6.5 大模型训练的案例研究157<br />4.6.6 模型蒸馏158<br />4.6.7 挑战与未来展望159<br />第5章 大模型开发工具及应用案例161<br />5.1 常用的大模型开发工具162<br />5.1.1 LangChain164<br />5.1.2 LlamaIndex166<br />5.1.3 Dify.AI167<br />5.1.4 OpenAgents168<br />5.1.5 AgentGPT168<br />5.1.6 ModelScopeGPT170<br />5.2 案例：重现ChatGPT的对话聊天功能171<br />5.2.1 Langchain-Chatchat171<br />5.2.2 Langchain-Chatchat的工作原理172<br />5.2.3 Langchain-Chatchat的部署174<br />5.2.4 Langchain-Chatchat的运行176<br />第6章 大模型的挑战、监管与评测181<br />6.1 大模型面临的挑战182<br />6.1.1 大模型输出的不可预测性182<br />6.1.2 大模型的幻觉现象183<br />6.1.3 大模型偏见与不公平性185<br />6.1.4 对抗性攻击187<br />6.1.5 大模型的可解释性188<br /> 6.1.6 超级对齐193<br />6.2 大模型的监管194<br />6.2.1 AIGC伪造及检测技术194<br />6.2.2 大模型隐私和数据泄露195<br />6.2.3 大模型窃取与知识产权保护198<br />6.2.4 大模型的监管趋势与应对策略202<br />6.3 大模型的评测204<br />6.3.1 大模型的评测体系204<br />6.3.2 常见的大模型评测体系205<br />6.3.3 典型的大模型评测框架206<br />6.3.4 大模型评测的未来方向208<br />第7章 金融行业的大模型209<br />7.1 金融科技概述210<br />7.1.1 重要概念210<br />7.1.2 三个发展阶段210<br />7.1.3 六大特征212<br />7.2 国内外发展态势214<br />7.2.1 国内发展态势214<br />7.2.2 国外发展态势216<br />7.3 在金融科技领域应用AIGC的挑战217<br />7.4 AIGC在金融科技领域的主要应用场景218<br />7.4.1 FinChat金融聊天机器人219<br />7.4.2 智能投资顾问220<br />7.4.3 量化交易221<br />7.5 金融行业的大模型布局223<br />7.5.1 BloombergGPT223<br />7.5.2 金融机构大模型应用案例224<br />7.6 开源的金融大模型228<br />7.7 金融科技大模型的发展与展望235<br />第8章 供应链金融的演进与创新237<br />8.1 从传统金融到供应链金融的变革238<br />8.2 供应链金融解析239<br />8.2.1 供应链金融的特点239<br />8.2.2 供应链金融的技术侧重点240<br />8.2.3 供应链金融的创新242<br />8.3 供应链金融的业务形态243<br />8.3.1 招标阶段243<br />8.3.2 中标阶段245<br />8.3.3 备货阶段245<br />8.3.4 到货阶段246<br />8.3.5 应收阶段248<br />8.3.6 下游客户经销商订货阶段249<br />8.4 数字债权凭证254<br />第9章 AI驱动的供应链金融革命257<br />9.1 大模型诞生之前供应链金融行业的AI实践258<br />9.1.1 国外供应链金融AI实践258<br />9.1.2 国内供应链金融AI实践260<br />9.1.3 过于超前的供应链金融AI实践267<br />9.2 大模型诞生之前AI的限制270<br />9.3 AI大模型赋能供应链金融273<br />9.3.1 AI大模型助力市场营销与销售275<br />9.3.2 AI大模型助力客户服务与运营支持278<br />9.3.3 AI大模型助力软件开发281<br />9.3.4 AI大模型助力风控、合规和融资决策284<br />9.3.5 AI大模型助力企业管理290<br />9.3.6 AI大模型助力解决产业链数字化断点292<br />第10章 供应链金融场景及大模型应用展望299<br />10.1 核心企业主导的供应链金融场景300<br />10.1.1 定义300<br />10.1.2 运作模式301<br />10.1.3 核心功能302<br />10.1.4 面临的挑战及大模型解决方案303<br />10.2 商业银行主导的供应链金融场景306<br />10.2.1 商业银行开展供应链金融的特点306<br />10.2.2 商业银行主导的供应链金融案例308<br />10.2.3 商业银行主导的供应链金融的挑战和机遇310<br />10.2.4 商业银行主导的供应链金融的大模型解决方案312<br />10.3 第三方金融科技平台主导的供应链金融场景313<br />10.3.1 第三方金融科技平台的应用场景314<br />10.3.2 第三方金融科技平台主导的供应链金融案例315<br />10.3.3 第三方金融科技平台主导的供应链金融的特点317<br />10.3.4 第三方金融科技平台主导的供应链金融的大模型<br /> 解决方案318<br />10.4 物流企业主导的供应链金融场景320<br />10.4.1 物流企业主导的供应链金融的特点320<br />10.4.2 物流企业主导的供应链金融案例：UPS和<br /> 顺丰集团321<br />10.4.3 物流企业主导的供应链金融的发展瓶颈324<br />10.4.4 物流企业主导的供应链金融的大模型解决方案326<br />10.5 建筑工程行业的供应链金融场景327<br />10.5.1 建筑工程行业的发展特征327<br />10.5.2 建筑工程行业供应链金融的核心需求328<br />10.5.3 建筑工程行业供应链金融案例332<br />10.5.4 建筑工程行业供应链金融的大模型解决方案333<br />10.6 医疗行业的供应链金融场景336<br />10.6.1 医疗行业供应链金融简介336<br />10.6.2 医疗行业供应链金融案例337<br />10.6.3 医疗行业供应链金融的发展瓶颈及挑战339<br />10.6.4 医疗行业供应链金融的大模型解决方案341<br />10.7 农业的供应链金融场景342<br />10.7.1 农业供应链金融的当前发展路径342<br />10.7.2 农业供应链金融案例：延川四苹果343<br />10.7.3 农业供应链金融的发展瓶颈及挑战345<br />10.7.4 农业供应链金融的大模型解决方案347<br />10.8 直播电商的供应链金融场景348<br />10.8.1 直播电商供应链金融的商业模式349<br />10.8.2 直播电商供应链金融案例350<br />10.8.3 直播电商供应链金融的特点352<br />10.8.4 直播电商供应链金融的大模型解决方案353<br />10.9 基于数据和交易关系的供应链金融场景354<br />10.9.1 基于数据和交易关系的供应链金融的特点354<br />10.9.2 基于交易关系的供应链金融案例356<br />10.9.3 基于数据和交易信用的供应链金融的业务痛点358<br />10.9.4 基于数据和交易信用的供应链金融的大模型<br /> 解决方案359<br />第11章 供应链金融大模型的构建和评估361<br />11.1 供应链金融大模型的设想与架构设计362<br />11.1.1 数据、信息、知识和智慧362<br />11.1.2 AI时代的学习革命364<br />11.1.3 大模型时代的软件架构366<br />11.1.4 当下的供应链金融平台架构374<br />11.1.5 In-Chat App平台+供应链金融大模型376<br />11.2 供应链金融大模型的开发训练过程390<br />11.2.1 SCF-GPT模型训练的规划390<br />11.2.2 SCF-GPT模型训练三阶段的设想392<br />11.2.3 &
相关推荐
-
AIGC重塑供应链金融+AIGC重塑金融
全新嘉兴
￥ 140.85
-
AIGC重塑供应链金融+AIGC重塑金融9787111765080
全新广州
￥ 152.68
-
AIGC重塑供应链金融：大模型在供应链金融领域的应用与实践
全新广州
￥ 63.27
-
AIGC重塑供应链金融：大模型在供应链金融领域的应用与实践
全新广州
￥ 63.25
-
AIGC重塑供应链金融：大模型在供应链金融领域的应用与实践
全新广州
￥ 63.30
-
AIGC重塑供应链金融：大模型在供应链金融领域的应用与实践
全新广州
￥ 63.27
-
AIGC重塑供应链金融：大模型在供应链金融领域的应用与实践
全新嘉兴
￥ 71.50
-
AIGC重塑供应链金融：大模型在供应链金融领域的应用与实践
全新天津
￥ 63.75
-
AIGC重塑供应链金融：大模型在供应链金融领域的应用与实践
全新无锡
￥ 64.20
-
AIGC重塑供应链金融：大模型在供应链金融领域的应用与实践
全新北京
￥ 72.59
— 没有更多了 —
以下为对购买帮助不大的评价