暂无搜索历史
大模型去智能化,并非消除模型的智能推理能力,而是对主流模型做定向能力裁剪、结构精简、参数压缩、计算简化,剥离非必要的复杂能力,如多轮长对话、多模态理解、超长文本...
当前大模型已从通用能力时代走向专用能力时代,各自凭借万亿级参数实现了文本生成、逻辑推理、多模态理解等通用能力,但在垂直领域中,通用大模型存在能力冗余、推理效率低...
传统大模型对话是无状态、瞬时性、无记忆的交互模式:每一轮对话都是独立的计算单元,模型不会主动保存用户历史输入、偏好、生理数据、交互目标,仅基于当前单轮文本生成回...
大模型日志是大模型在训练、推理、部署、交互全生命周期中,系统自动生成的结构化或非结构化文本记录,是大模型运行状态的黑匣子。它完整记录了大模型每一次请求处理、参数...
AI Agent,即人工智能智能体,是一种能够自主感知外部环境、理解用户目标、拆解复杂任务、调用外部工具、维护长期记忆、进行逻辑推理,并在执行过程中不断反思、修...
可解释性人工智能XAI,全称Explainable AI,核心是让AI模型的决策过程可理解、可追溯、可验证,而不是给出一个无法拆解的“黑盒结果”。在通用场景中,...
智能体是基于大模型驱动、具备自主执行能力的业务服务系统,区别于个人版聊天助手,它承载金融客服、政务审批、工业调度、医疗辅助等核心业务,要求7×24 小时不间断运...
在智能体技术爆发的初期,绝大多数研发团队都陷入了一个共性误区:将大模型的参数规模、推理能力视为智能体落地的核心指标。团队投入大量资源进行模型微调、提示词迭代、多...
现在不管是做企业应用、内部效率工具还是对外AI产品,大家都越来越清楚一件事:单纯靠大模型聊天,根本解决不了真实业务问题。用户要的不是说得好听,而是能真正把事办成...
我们在做大模型落地时基本都有共识:光靠大模型本身很容易出现幻觉,回答不严谨、业务知识对不上,所以RAG检索增强生成几乎成了标配。但真正用起来同样会发现,传统RA...
智能体的多轮对话记忆,是指AI智能体在连续人机交互过程中,留存历史交互信息、理解对话上下文逻辑、关联前后语义关系,并依托大语言模型实现连贯应答的核心能力。
在当下大模型落地各类实际业务的过程中,我们在初期接触,刚开始上手搭建对话系统、智能咨询助手或是行业AI应用时,总会凭着主观想法盲目推进。本着程序开发的惯性思维,...
医疗AI智能体是融合大语言模型、医学知识库、交互引擎、工具调用能力的复合型智能系统,核心应用场景覆盖智能问诊、病历辅助生成、医学知识问答、诊疗方案辅助建议、患者...
本项目旨在构建一个基于深度语义理解的智能客服原型系统,解决传统关键词匹配无法处理同义表述及跨语言查询的痛点。
在自然语言处理领域中,文本嵌入一直是把文本转换成计算机能够理解的数值向量的关键技术,也是很多上层任务的基础,通常我们会看到Text Embedding的关键词进...
接触大模型这么久大家应该都有过这样的经历:为了让大模型生成符合预期的内容,反复修改Prompt,调整用词、句式、参数,耗费数小时甚至数天,最终效果却依然不尽如人...
算法是个很有意义的课题,尽管大模型让我们不需要像以前学习机器学习那样,需要很深的数学基础,但结合算法来应用大模型确实是个很有趣的事情,传统算法经过数十年发展,已...
集成学习是机器学习中的一个重要思想,简单来说就是"三个臭皮匠,顶个诸葛亮"。与其依赖单个模型做决策,不如让多个模型一起工作,通过投票、加权或其他方式综合它们的输...
在之前的技术分享中,我们曾深入探讨过 Drools 这类成熟的规则引擎,作为工业级的规则管理工具,Drools 凭借强大的规则编排、冲突解决和批量执行能力,成为...
在日常工作中,非结构化文本数据已成为企业运营、用户研究、内容治理的核心资源,电商评论、客服工单、用户反馈、新闻资讯、业务日志等海量文本,藏着最真实的需求与问题。...
暂未填写学校和专业
暂未填写个人网址