（talk）西安大模型开发者talk

# ai 研究

- 中国的大模型相对的全球性没有那么强

- 美国限制中国购卡

- nature 子刊表示大模型的落地准确率还需改善（如医疗）

- 开发的时候幻觉是一个比较大的问题

 # 大模型应用开发实践（科大讯飞）大模型落地的沟通案例

- 人工智能技术的三个层次: 计算智能，感知智能，认知智能

- 需要比较流畅的语言表达

- 步骤: 预训练，有监督微调，人类反馈的强化学习（学，教，考）

- 目前b端落地加快

---

- 1，根据作者（博主）以往的作品来生成需要的内容；2，rag + 微调方案解决通用模型的回复幻觉问题；3，智能客服，降低延迟，兜底回答，根据大模型的输出特性进行实时合成；4，信息分析的b端需求场景应用更多，在目前占b端需求的50%（例如网约车进行司乘匹配）；5，朋友圈二手车信息提取处理，结构化；6，智能客服数据训练的来源要做配比，如果全是有问题的信息来源，模型遇到新的测试集就会开始找问题；7，精细化特定场景需求，例如论文检索；8，OCR需要把离散的字符组合连续化；

 （流程图较多，突出重点

b端相对于c端有更多的容错和耐心

# agent 开发平台落地和实践

- 例如地铁自助买票，生成json

（如果用市面上的大模型，一方面成本高效果一般，另一方面响应时间长

 - 例如，高德调用星火agent查询api

- 例如，基于上下文的ai辩论

# 星火文旅智能未来，方天圣华

- 5g ＋ ar 落地

- 亚马逊云社区

？