前言

欢迎阅读生成式AI模型指南。本教程为中国研究人员提供了一个全面的资源,以了解近年来革新人工智能领域的各种生成式AI模型。

本教程的目的

本指南旨在提供对关键生成式AI模型的清晰而简明的概述,重点关注:

  • 扩散模型:包括DDPM、Stable Diffusion和一致性模型
  • 标准化流:使用可逆变换的模型
  • 流匹配:基于连续时间流的生成模型
  • 变分自编码器(VAE):具有概率编码器和解码器的潜变量模型
  • 生成对抗网络(GAN):具有生成器和判别器网络的对抗框架
  • 自回归模型:如用于大型语言模型的Transformer架构

每个部分都探讨了这些模型的理论基础、架构和实际应用,使不同技术专业水平的读者都能理解复杂的概念。

如何使用本指南

本书的结构允许顺序阅读和针对特定模型的探索。您可以:

  1. 按顺序阅读各章节,全面了解生成模型的全景
  2. 直接跳到您感兴趣的特定模型类型
  3. 使用参考部分查找原始论文和其他资源

贡献

教程源码: https://github.com/dongzhuoyao/vincent-genai-course

贡献请参考此框架: https://github.com/rust-lang/mdBook

许可证

本指南基于 CC BY-NC-SA 4.0 许可证。

我们希望本指南能增强您对生成式AI的理解,并在这一激动人心的领域中启发您自己的实验和应用。