本书深入探讨大语言模型(LLM)的架构、应用，以及用于自然语言处理(NLP)和计算机视觉(CV)的各类平台，包括HuggingFace、OpenAI和GoogleVertexAI。本书首先呈现不同的Transformer架构、前沿的基础模型与生成式AI，讲述LLM的预训练与微调方法，并实践各类应用场景，乃至基于嵌入搜索技术实现问答系统。接着分析LLM的潜在风险(包括幻觉、记忆泄露及隐私问题等)，以及如何利用审核模型、规则库和知识库来降低风险。通过将RAG(检索增强生成)与LLM结合，提升模型的准确性，并更好地控制输出结果。最后深入探索生成式视觉Transformer与多模态模型架构，构建图像分类、视频转文本分类器等应用。