在2023世界人工智能大會(WAIC)中,語言智能科技企業(yè)蜜度不僅為觀眾呈現(xiàn)了諸多AIGC的沉浸式體驗(yàn),還發(fā)布了全新的大語言模型產(chǎn)品,深入辦公場景多元需求的同時,也開啟了大模型時代的辦公智能化進(jìn)程。
2分鐘自動生成輿情分析報(bào)告 大語言模型提升服務(wù)效率
7月8日,蜜巢智能輿情分析大語言模型重磅發(fā)布。模型專注于輿情報(bào)告自動撰寫,基于專家團(tuán)隊(duì)十余年高質(zhì)量分析報(bào)告的專業(yè)語料數(shù)據(jù)訓(xùn)練,凝聚大量專業(yè)知識和專家經(jīng)驗(yàn)。用戶簡單輸入事件信息配置即可全自動撰寫高質(zhì)量輿情事件分析報(bào)告,為突發(fā)事件的輿情追蹤、分析與研判提供支持。
通過融入蜜度以往的強(qiáng)大服務(wù)經(jīng)驗(yàn),結(jié)合蜜度自研蜜巢系列大語言模型的AI能力,蜜巢智能輿情分析大語言模型從“易用”與“速度”兩個維度提高了輿情報(bào)告自動生成的服務(wù)效率。在簡單的設(shè)置后,僅需2分鐘,就可以輸出一份高質(zhì)量的輿情分析報(bào)告。
在輿情分析報(bào)告領(lǐng)域,蜜度積累了豐富的行業(yè)經(jīng)驗(yàn)與分析方法,基于數(shù)量龐大的優(yōu)秀分析報(bào)告作為專業(yè)語料數(shù)據(jù)用于訓(xùn)練,讓這些來自專家團(tuán)隊(duì)的深度洞見與專業(yè)知識被模型悉數(shù)吸納,再經(jīng)由機(jī)器學(xué)習(xí)的不斷強(qiáng)化,最終呈現(xiàn)了人腦認(rèn)知經(jīng)驗(yàn)與AI計(jì)算能力的全新融合——蜜巢智能輿情分析大語言模型。
不僅如此,蜜度自身所具備的支持國產(chǎn)化軟硬件運(yùn)行環(huán)境的設(shè)備及能力,能夠基于華為昇騰昇思AI生態(tài),為用戶的日常使用提供更高效、安全、穩(wěn)定的保障。
蜜巢智能輿情分析大語言模型發(fā)布
聚焦垂直領(lǐng)域 服務(wù)千行百業(yè)
除了輿情報(bào)告自動生成的大語言模型,蜜度在此次WAIC上還發(fā)布了首個軟硬件一體國產(chǎn)化知識問答與內(nèi)容生成大語言模型——“蜜巢知識問答與內(nèi)容生成大語言模型”;國內(nèi)首個專為智能校對領(lǐng)域打造的垂直大語言模型——“蜜度文修”。
蜜度自研蜜巢系列大語言模型
蜜巢知識問答與內(nèi)容生成大語言模型,實(shí)時基于用戶所輸入的文檔進(jìn)行知識增強(qiáng),并對文檔中的相關(guān)知識進(jìn)行定制化的知識問答與內(nèi)容生成,實(shí)現(xiàn)“千文千面,千人千面”式內(nèi)容生成,幫助企業(yè)和個人打造專屬的知識問答與內(nèi)容生成大模型。蜜度文修是國內(nèi)首個專為智能校對領(lǐng)域打造的大語言模型,有著出色校對與潤色能力。
蜜巢知識問答與內(nèi)容生成大語言模型實(shí)現(xiàn)了“千文千面,千人千面”式內(nèi)容生成,模型能夠?qū)崟r基于用戶所輸入的文檔進(jìn)行知識增強(qiáng),并對文檔中的相關(guān)知識進(jìn)行定制化的知識問答與內(nèi)容生成,幫助企業(yè)和個人打造專屬的知識問答與內(nèi)容生成大模型;蜜度文修則以出色的校對與潤色能力,刷新了多類校對任務(wù)的最佳效果,更有效地輔助專業(yè)用戶提高校對質(zhì)量、提升校對速度、降低差錯率,為新聞出版、媒體稿件、政府公文等專業(yè)領(lǐng)域帶來工作模式迭代與效率提升。
作為一家以人工智能技術(shù)為核心的語言智能科技企業(yè),蜜度同時發(fā)布三款大語言模型,既可以看作本土科技企業(yè)以經(jīng)得起測試的優(yōu)秀模型水準(zhǔn),與全球AI發(fā)展進(jìn)程的齊步并行,也可以視為以模型服務(wù)垂直領(lǐng)域的開場。
未來,蜜度將持續(xù)以大語言模型(LLM)為技術(shù)底座,聚焦不同垂直行業(yè)的痛點(diǎn)與需求,研發(fā)和增強(qiáng)特定場景下的能力,并通過自建與用戶及市場需求匹配的垂直領(lǐng)域AI能力,積極開發(fā)大語言模型的落地應(yīng)用,更將發(fā)揮自身支持國產(chǎn)化軟硬件運(yùn)行環(huán)境的設(shè)備及能力,為千行百業(yè)注入AI加速度,用大模型的創(chuàng)新賦能,共同迎接全新的時代。
好文章,需要你的鼓勵
這項(xiàng)研究提出了"高效探測"方法,解決了掩碼圖像建模AI難以有效評估的問題。通過創(chuàng)新的多查詢交叉注意力機(jī)制,該方法在減少90%參數(shù)的同時實(shí)現(xiàn)10倍速度提升,在七個基準(zhǔn)測試中均超越傳統(tǒng)方法。研究還發(fā)現(xiàn)注意力質(zhì)量與分類性能的強(qiáng)相關(guān)性,生成可解釋的注意力圖譜,展現(xiàn)出優(yōu)異的跨域適應(yīng)性。團(tuán)隊(duì)承諾開源全部代碼,推動技術(shù)普及應(yīng)用。
伊利諾伊大學(xué)研究團(tuán)隊(duì)開發(fā)了CLAIMSPECT系統(tǒng),通過層次化分解復(fù)雜爭議、智能檢索相關(guān)文獻(xiàn)、多角度收集觀點(diǎn)的方法,將傳統(tǒng)的"真假"判斷轉(zhuǎn)變?yōu)槎嗑S度分析。該系統(tǒng)能夠自動構(gòu)建爭議話題的分析框架,識別不同觀點(diǎn)及其支撐證據(jù),為科學(xué)和政治爭議提供更全面客觀的分析,已在生物醫(yī)學(xué)和國際關(guān)系領(lǐng)域驗(yàn)證有效性。
清華大學(xué)研究團(tuán)隊(duì)首次提出情感認(rèn)知融合網(wǎng)絡(luò)(ECFN),讓AI能像人類一樣理解和表達(dá)情感。該系統(tǒng)通過多層次情感處理架構(gòu),在情感識別準(zhǔn)確率上比現(xiàn)有最佳系統(tǒng)提升32%,情感表達(dá)自然度提升45%。研究突破了傳統(tǒng)AI情感理解的局限,實(shí)現(xiàn)了跨模態(tài)情感融合、動態(tài)情感追蹤和個性化情感建模,為醫(yī)療、教育、客服等領(lǐng)域帶來革命性應(yīng)用前景。
哈佛大學(xué)研究團(tuán)隊(duì)通過創(chuàng)新的多智能體強(qiáng)化學(xué)習(xí)方法,讓AI在戰(zhàn)略游戲中學(xué)會復(fù)雜推理。研究發(fā)現(xiàn)AI通過游戲競爭能發(fā)展出類人思維能力,在邏輯推理、創(chuàng)造性解決問題等方面表現(xiàn)顯著提升。這項(xiàng)突破性成果為未來AI在醫(yī)療、教育、城市管理等領(lǐng)域的應(yīng)用奠定基礎(chǔ),展現(xiàn)了通過模擬人類學(xué)習(xí)過程培養(yǎng)真正智能AI的新路徑。