La aplicación de modelos a gran escala (modelos de lenguaje a gran escala, es decir, modelos de lenguaje grande) se ha vuelto inevitable para el desarrollo de miles de industrias. Los grandes modelos verticales de nivel empresarial que han sido capacitados y optimizados en campos o industrias específicos se han convertido en el camino clave para que los modelos grandes bajen del altar y realmente penetren en la escena.
Sin embargo, los modelos verticales a gran escala a nivel empresarial deben superar dificultades como la factualidad y la interpretabilidad antes de que puedan implementarse formalmente . Especialmente en escenarios industriales, las capacidades de razonamiento limitadas de los modelos grandes a menudo no pueden satisfacer las necesidades de las empresas de respuestas muy seguras, y las respuestas "generadas aleatoriamente" traerán grandes riesgos para el negocio.
Knowledge Graph utiliza información multimodal para complementar las deficiencias de la expresión semántica simbólica y puede respaldar aún más la comprensión, el razonamiento, la metacognición y otras habilidades multimodales. Al trabajar junto con modelos grandes, puede lograr complementación, interacción y refuerzo mutuo. Cuando se combinan grandes modelos y gráficos de conocimiento, se puede mejorar el razonamiento bidireccional a través de datos y conocimiento, cerrando así la brecha entre el texto y la información estructural, mejorando la interpretabilidad del razonamiento y enfrentando múltiples desafíos de manera conjunta.
Primer intento de inyectar conocimiento en modelos grandes.
Basándose en su conocimiento de vanguardia de la integración de grandes modelos y gráficos de conocimiento, Chuanglin Technology tomó la iniciativa en la realización de investigaciones en el campo financiero y desarrolló una plataforma inteligente de aplicaciones de preguntas y respuestas: la "Plataforma Chuanglin Tianwen " .
Por un lado, el sistema de preguntas y respuestas en línea es la "primera ventana" para la comunicación e interacción entre empresas y usuarios, puede satisfacer las necesidades de los clientes de inmediato y ayudar a las empresas a mejorar la satisfacción del cliente mejorando la puntualidad y precisión de las respuestas. Sin embargo, la mayoría de los productos actuales de preguntas y respuestas se centran en campos generales o verticales, y es difícil lograr tanto amplitud como profundidad de conocimiento. Por lo tanto, actualizar el sistema de preguntas y respuestas en línea es un camino clave para que las empresas reduzcan los costos de servicio al cliente y mejoren la eficiencia del servicio al cliente.
Por otro lado, teniendo en cuenta que los escenarios de tarjetas de crédito a menudo involucran muchos conceptos, términos y términos financieros complejos, y están estrictamente regulados por leyes y agencias reguladoras en términos de derechos de usuario, estructuras de tarifas, prevención de fraude, etc., al dar respuestas específicas , no solo deben estar satisfechos Las necesidades y preferencias de los diferentes usuarios garantizan que los usuarios puedan comprender intuitivamente conceptos relevantes, sino que también deben garantizar que la información y las sugerencias proporcionadas cumplan con las leyes y regulaciones aplicables.
Para el escenario de la tarjeta de crédito financiera, Chuanglin combinó las capacidades de grandes modelos y gráficos de conocimiento para crear el sistema inteligente de preguntas y respuestas "Tianwen".
Sin más preámbulos, ¡echemos un vistazo a los resultados reales de las pruebas!
P1: ¿Los menores de 18 años no pueden ser solicitantes y titulares de tarjetas de crédito?
P2: ¿Puedo solicitar una tarjeta de crédito principal si y sólo cuando soy mayor de 18 años y tengo plena capacidad de conducta civil?
* A continuación, el editor también realizó múltiples rondas de pruebas de preguntas y respuestas en la "Plataforma Chuanglin Tianwen". Los amigos interesados pueden agregar asistentes para conocer más detalles de la prueba.
No es difícil descubrir que, en comparación con las preguntas y respuestas de modelos grandes separados o las preguntas y respuestas de gráficos de conocimiento, las respuestas de la "Plataforma Chuanglin Tianwen" conservarán más detalles conceptuales y referencias para explicar el contenido, mejorar la credibilidad de la respuesta y reducir los errores fácticos. . Al mismo tiempo, para facilitar la comprensión de los usuarios, la "Plataforma Chuanglin Tianwen" también ha optimizado el contexto relevante para que las oraciones de respuesta sean más lógicas.
Utilizando el trabajo colaborativo de la tecnología de gráficos y modelos grandes generales, la "Plataforma Chuanglin Tianwen" no solo optimiza y actualiza el marco de razonamiento de los modelos grandes verticales, brindándole excelentes capacidades de razonamiento lógico, sino que también expande los límites del conocimiento original de los modelos grandes . La flexibilidad, la apertura y la precisión de las respuestas generativas coexisten , mejorando la experiencia del conocimiento y la precisión de las respuestas del sistema de preguntas y respuestas en campos comerciales verticales .
Además, la "Plataforma Chuanglin Tianwen" utiliza la base de datos de gráficos distribuidos de alto rendimiento Galaxybase de desarrollo propio como soporte técnico principal. En comparación con la tecnología tradicional de gráficos de conocimiento, puede procesar datos en tiempo real, optimizar la eficiencia del procesamiento de la información, acelerar el proceso de razonamiento interno y duplicar la actualización del sistema inteligente de preguntas y respuestas.
Resumir
En esta etapa, es posible que la inteligencia artificial todavía solo pueda confiar en los datos para lograr un razonamiento superficial. Estamos comprometidos a combinar orgánicamente gráficos de conocimiento simbólico con grandes modelos conexionistas para mejorar las capacidades de razonamiento. Se espera que la combinación de modelos grandes y tecnología de gráficos cambie el patrón actual de "Batalla de cientos de modelos", y "Chuanglin Tianwen" llevará el sistema inteligente de preguntas y respuestas a la siguiente etapa.