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,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程。
2分鐘自動生成輿情分析報告 大語言模型提升服務效率
7月8日,蜜巢智能輿情分析大語言模型重磅發(fā)布。模型專注于輿情報告自動撰寫,基于專家團隊十余年高質量分析報告的專業(yè)語料數(shù)據(jù)訓練,凝聚大量專業(yè)知識和專家經(jīng)驗。用戶簡單輸入事件信息配置即可全自動撰寫高質量輿情事件分析報告,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大服務經(jīng)驗,結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告自動生成的服務效率。在簡單的設置后,僅需2分鐘,就可以輸出一份高質量的輿情分析報告。
在輿情分析報告領域,蜜度積累了豐富的行業(yè)經(jīng)驗與分析方法,基于數(shù)量龐大的優(yōu)秀分析報告作為專業(yè)語料數(shù)據(jù)用于訓練,讓這些來自專家團隊的深度洞見與專業(yè)知識被模型悉數(shù)吸納,再經(jīng)由機器學習的不斷強化,最終呈現(xiàn)了人腦認知經(jīng)驗與AI計算能力的全新融合——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)化軟硬件運行環(huán)境的設備及能力,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
聚焦垂直領域 服務千行百業(yè)
除了輿情報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)化知識問答與內容生成大語言模型——“蜜巢知識問答與內容生成大語言模型”;國內首個專為智能校對領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
蜜巢知識問答與內容生成大語言模型,實時基于用戶所輸入的文檔進行知識增強,并對文檔中的相關知識進行定制化的知識問答與內容生成,實現(xiàn)“千文千面,千人千面”式內容生成,幫助企業(yè)和個人打造專屬的知識問答與內容生成大模型。蜜度文修是國內首個專為智能校對領域打造的大語言模型,有著出色校對與潤色能力。
蜜巢知識問答與內容生成大語言模型實現(xiàn)了“千文千面,千人千面”式內容生成,模型能夠實時基于用戶所輸入的文檔進行知識增強,并對文檔中的相關知識進行定制化的知識問答與內容生成,幫助企業(yè)和個人打造專屬的知識問答與內容生成大模型;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的最佳效果,更有效地輔助專業(yè)用戶提高校對質量、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,與全球AI發(fā)展進程的齊步并行,也可以視為以模型服務垂直領域的開場。
未來,蜜度將持續(xù)以大語言模型(LLM)為技術底座,聚焦不同垂直行業(yè)的痛點與需求,研發(fā)和增強特定場景下的能力,并通過自建與用戶及市場需求匹配的垂直領域AI能力,積極開發(fā)大語言模型的落地應用,更將發(fā)揮自身支持國產(chǎn)化軟硬件運行環(huán)境的設備及能力,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
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調整內部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。