Description

This book offers an extensive exploration of foundation models, guiding readers through the essential concepts and advanced topics that define this rapidly evolving research area. Designed for those seeking to deepen their understanding and contribute to the development of safer and more trustworthy AI technologies, the book is divided into three parts providing the fundamentals, advanced topics in foundation modes, and safety and trust in foundation models:

• Part I introduces the core principles of foundation models and generative AI, presents the technical background of neural networks, delves into the learning and generalization of transformers, and finishes with the intricacies of transformers and in-context learning.

• Part II introduces automated visual prompting techniques, prompting LLMs with privacy, memory-efficient fine-tuning methods, and shows how LLMs can be reprogrammed for time-series machine learning tasks. It explores how LLMs can be reused for speech tasks, how synthetic datasets can be used to benchmark foundation models, and elucidates machine unlearning for foundation models.

• Part III provides a comprehensive evaluation of the trustworthiness of LLMs, introduces jailbreak attacks and defenses for LLMs, presents safety risks when find-tuning LLMs, introduces watermarking techniques for LLMs, presents robust detection of AI-generated text, elucidates backdoor risks in diffusion models, and presents red-teaming methods for diffusion models.

Mathematical notations are clearly defined and explained throughout, making this book an invaluable resource for both newcomers and seasoned researchers in the field.

Langue

en

Version

Broché

Date de sortie initiale

13 juin 2026

Nombre de pages

310

Illustrations

Avec illustrations

Personnes impliquées

Auteur principal

Pin-Yu Chen

Deuxième auteur

Sijia Liu

Editeur principal

Springer International Publishing Ag

Informations sur le fabricant

Nom du fabricant

Springer Nature Customer Service Center GmbH

Adresse du fabricant

Europaplatz 3 | 69115| Heidelberg| DE

Adresse électronique du fabricant

ProductSafety@springernature.com

Autres spécifications

Hauteur de l’emballage

18 mm

Largeur d’emballage

155 mm

Largeur du produit

155 mm

Longueur d’emballage

235 mm

Longueur du produit

235 mm

EAN

EAN

9783031767722

Sécurité des produits

Opérateur économique responsable dans l’UE

Afficher les données

Vous trouverez cet article :

Catégories

Ordinateurs et Informatique

Technologies informatiques

Intelligence artificielle

Apprentissage automatique

Langage naturel et traduction automatique

Livres

Livre, ebook ou livre audio ?

Livre

Disponibilité

Disponible à l’adresse suivante

Langue

Anglais

Type de livre

Paperback