0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

重構(gòu)銷售話術(shù)和知識(shí)庫,容聯(lián)云找到了大模型的“釘子”

科技云報(bào)到 ? 來源:jf_60444065 ? 作者:jf_60444065 ? 2024-03-25 15:33 ? 次閱讀

科技云報(bào)道原創(chuàng)。

從ChatGPT誕生起,大模型在營銷、客服等場(chǎng)景的落地就被予以眾望。然而在經(jīng)歷了一年多的“百模大戰(zhàn)”洗禮之后,人們發(fā)現(xiàn)無論是算力成本還是內(nèi)容生成的安全合規(guī)問題,都讓大模型很難直接應(yīng)用于機(jī)器與人對(duì)話的實(shí)際業(yè)務(wù)中。

這其中有很多挑戰(zhàn),不僅僅來自算力、資金、技術(shù),更大的問題來自行業(yè)落地。有人戲稱現(xiàn)在的大模型是“拿著錘子找釘子”,即便是銷售和客服這樣的熱門場(chǎng)景,也依然在探索大模型這把“錘子”能錘好哪些“釘子”。

目前業(yè)界普遍的共識(shí)是,現(xiàn)階段的大模型無法完全替代人力,但作為人類工作的強(qiáng)大輔助工具,能夠顯著提升效率,在銷售和客服領(lǐng)域亦是如此。但大模型到底怎么做,從哪里切入,才能為銷售和客服業(yè)務(wù)帶來真正的智能化,實(shí)現(xiàn)效率的飛躍?

這是所有相關(guān)廠商都在思考的問題,誰先找到這顆“釘子”,誰就能在大模型行業(yè)落地上撕開一個(gè)口子。而現(xiàn)在,這顆“釘子”被容聯(lián)云率先發(fā)現(xiàn)了。

大模型解決營銷效能之痛

在流量紅利漸漸枯竭的今天,精細(xì)化運(yùn)營已成為企業(yè)的共識(shí)。面對(duì)消費(fèi)者們個(gè)性化的需求,企業(yè)也希望自己的銷售和客服團(tuán)隊(duì)能夠“千人千面”,以更好地推動(dòng)銷售轉(zhuǎn)化,或快速解決客戶訴求。

然而現(xiàn)實(shí)并沒有想象中美好,很多銷售和客服隔著屏幕或電話的“在線溝通”,很難讓消費(fèi)者產(chǎn)生“沖動(dòng)”,一部分客服的一問一答,輕輕松松就能“聊走”客戶。

面對(duì)這種情況,企業(yè)也覺得很冤枉,明明為銷售和客服團(tuán)隊(duì)提供了良好的培訓(xùn),也通過數(shù)字化技術(shù)為不同類型客戶分配了不同的客服資源,為什么銷售轉(zhuǎn)化率就是上不去?

這里面的核心問題其實(shí)在于話術(shù)和知識(shí)庫。

銷售話術(shù)就如同一套精心編排的“溝通戰(zhàn)術(shù)”,它能夠指導(dǎo)銷售人員如何向客戶介紹產(chǎn)品、如何精準(zhǔn)捕捉客戶需求、何時(shí)采取何種策略以觸動(dòng)客戶購買意愿,從而完成銷售目標(biāo),可以說是企業(yè)搶占商機(jī)的“決勝武器”。

但好的銷售話術(shù),并不是通過所謂的“金牌銷售”話術(shù)總結(jié),就可以讓整個(gè)團(tuán)隊(duì)“一套話術(shù)走天下”。無論是競(jìng)爭(zhēng)環(huán)境、法律法規(guī)、業(yè)務(wù)規(guī)則,還是客戶需求、客戶畫像,都處在動(dòng)態(tài)變化中,因此對(duì)于話術(shù)和知識(shí)庫的總結(jié),需要針對(duì)數(shù)量眾多的一線“金牌銷售”話術(shù)和業(yè)務(wù)人員的知識(shí)經(jīng)驗(yàn),不斷地進(jìn)行提煉,并及時(shí)地更新和沉淀。

不僅如此,與客戶的溝通過程也不是一成不變的,如何在復(fù)雜的溝通場(chǎng)景中靈活使用這些話術(shù),也是銷售和客服團(tuán)隊(duì)面臨的一大難題。

在過去,很多科技企業(yè)都嘗試用大數(shù)據(jù)和AI技術(shù)來解決這些問題,但是由于AI小模型的局限性,缺乏對(duì)自然語言的理解和分析能力,對(duì)于會(huì)話、知識(shí)等非結(jié)構(gòu)性數(shù)據(jù)的處理停留在關(guān)鍵詞和規(guī)則的匹配上。這就導(dǎo)致很難窮舉客戶的回答,話術(shù)和知識(shí)庫的推薦也只能基于關(guān)鍵詞觸發(fā),客戶溝通整體比較僵化。

然而AI大模型的出現(xiàn),讓話術(shù)和知識(shí)庫的提煉、沉淀、洞察有了全新突破的可能性。大模型具備更加精準(zhǔn)的語義理解能力和更強(qiáng)大的自然語言生成能力,可以從多個(gè)維度提升營銷工作的效率和質(zhì)量,比如:基于海量歷史會(huì)話數(shù)據(jù)生成金牌話術(shù);快速構(gòu)建話術(shù)庫;分析客戶訴求;精準(zhǔn)診斷問題并優(yōu)化等等,從而有效解決傳統(tǒng)營銷低效的問題。

容聯(lián)云敏銳地發(fā)現(xiàn)了這一核心痛點(diǎn)與AI大模型的交集,從而也率先在業(yè)內(nèi)找到了大模型落地的切入口——旗下基于自研赤兔大模型的生成式應(yīng)用容犀Copilot,正是這樣一款提升營銷效率的利器。

容犀Copilot銷售和客服的“實(shí)時(shí)AI領(lǐng)航員”

據(jù)容聯(lián)云產(chǎn)業(yè)數(shù)字云事業(yè)群副總經(jīng)理孔淼介紹,容犀Copilot集“全鏈路數(shù)據(jù)+大小模型+分析洞察”于一體,在每一次的服務(wù)與營銷場(chǎng)景中,實(shí)時(shí)根據(jù)企業(yè)與客戶產(chǎn)生的會(huì)話數(shù)據(jù)與業(yè)務(wù)數(shù)據(jù),結(jié)合“聚焦客戶聯(lián)絡(luò)全場(chǎng)景的大小模型”與“會(huì)話洞察”能力,產(chǎn)出金牌溝通策略。

簡(jiǎn)單而言,容犀Copilot主要有三大核心功能:

  • 話術(shù)挖掘

容犀Copilot后臺(tái)一鍵快速對(duì)海量歷史會(huì)話數(shù)據(jù)進(jìn)行核對(duì)篩選,挑選出優(yōu)質(zhì)話術(shù)并生成金牌話術(shù),兼顧質(zhì)與量的同時(shí),挖掘出客戶高頻關(guān)注的問題,從問題中洞悉業(yè)務(wù)痛點(diǎn)。

  • 智能知識(shí)庫

幫助企業(yè)從零開始、低成本地快速構(gòu)建話術(shù)庫,包括理解文檔知識(shí)、知識(shí)快搜、智能問答等,大幅提升構(gòu)建效率。

  • 會(huì)話洞察

高效便捷洞察每一通會(huì)話溝通情況,分析客戶訴求,精準(zhǔn)診斷問題并優(yōu)化。

從市面上看,已有產(chǎn)品推出了類似功能,那么這款全新的容犀Copilot有什么不同?更讓人好奇的是,有了大模型加持的容犀Copilot,表現(xiàn)到底如何?

以“話術(shù)挖掘”為例,過去企業(yè)想要做話術(shù)挖掘全靠人力,培訓(xùn)師面對(duì)銷售和客服幾十萬小時(shí)的會(huì)話錄音,最多只能聽?zhēng)资武浺?,再從中找出好的?huì)話進(jìn)行話術(shù)總結(jié),顯然這并既不能解決話術(shù)的量,也不能保證話術(shù)的質(zhì)。

但是有了容犀Copilot,企業(yè)可以提前接入客服、企微、營銷通話等各個(gè)溝通渠道的數(shù)據(jù),并結(jié)合不同的銷售和客服團(tuán)隊(duì)的場(chǎng)景和業(yè)務(wù)目標(biāo),通過簡(jiǎn)單的配置就可以利用大模型能力對(duì)這些海量會(huì)話數(shù)據(jù)進(jìn)行分鐘級(jí)的金牌話術(shù)挖掘。

這些金牌話術(shù)并不停留在“術(shù)”的層面,包括客戶的情緒、立場(chǎng)、正反饋、訴求,都能夠被容犀Copilot挖掘出來,從而有針對(duì)性地給出優(yōu)質(zhì)話術(shù),以推進(jìn)銷售轉(zhuǎn)化等業(yè)務(wù)目標(biāo)。

金牌話術(shù)只是一個(gè)結(jié)果,背后往往是客戶關(guān)注的問題。對(duì)此,容犀Copilot的“會(huì)話洞察”,能夠從海量的會(huì)話中找到客戶高頻關(guān)注的問題,將問題進(jìn)行聚類分析,找到未被關(guān)注的客戶關(guān)注點(diǎn),一鍵快速生成高頻問題洞察,從而自動(dòng)總結(jié)出問題所對(duì)應(yīng)的策略,提供給銷售和客服團(tuán)隊(duì)。

例如,某客戶想申請(qǐng)信用卡分期,當(dāng)客服告知利率之后,客戶就不想申請(qǐng)了。之前客服只能靠自我發(fā)揮去和客戶溝通,但是現(xiàn)在有了容犀Copilot給到的個(gè)性化策略和話術(shù),客服就能夠?yàn)榭蛻敉扑]相應(yīng)的優(yōu)惠活動(dòng)來挽留、安撫客戶,或者建議客戶加入企業(yè)微信、社群等私域,以提高成單轉(zhuǎn)化率。

再比如“搭建知識(shí)庫”,這是幾乎所有企業(yè)都面臨的難題,一是知識(shí)比較分散,二是不同的文檔、不同的知識(shí)庫很難統(tǒng)一。

在傳統(tǒng)的FAQ搭建和維護(hù)中,為了覆蓋更廣泛的用戶意圖范圍,實(shí)現(xiàn)知識(shí)庫的統(tǒng)一,需要大量專業(yè)的人才拆解文檔、編寫大量相似的問題、生成QA、再擴(kuò)展標(biāo)準(zhǔn)、投入到一線中,整個(gè)過程耗費(fèi)大量的人力和時(shí)間成本,一個(gè)周期可能會(huì)持續(xù)3-6個(gè)月。

但是在容犀Copilot的助力下,就可以通過大模型自動(dòng)拆解文檔段落,基于語義自動(dòng)調(diào)取知識(shí)點(diǎn),對(duì)知識(shí)進(jìn)行匯集和管理。整個(gè)過程只需要一個(gè)普通的業(yè)務(wù)人員操作,建設(shè)周期從幾個(gè)月縮短到分鐘級(jí),在效率上有一個(gè)巨大的提升。

一個(gè)典型的例子是,某股份制銀行過去構(gòu)建IT規(guī)范知識(shí)庫,光文檔素材就高達(dá)幾個(gè)T,整個(gè)構(gòu)建過程花費(fèi)了80人、2個(gè)月左右的時(shí)間。但現(xiàn)在基于容犀Copilot,只需要1個(gè)人、1天的時(shí)間,就完成了知識(shí)庫的搭建,準(zhǔn)確率從85%提升至89%。

事實(shí)上,大部分企業(yè)并沒有像這家大型銀行一樣,有專門的人力來構(gòu)建和管理知識(shí)庫,而沒有知識(shí)和話術(shù)沉淀的企業(yè)很難從0到1。但容犀Copilot的出現(xiàn),讓企業(yè)不用再依賴專業(yè)人員,也不用再擔(dān)心耗費(fèi)巨大的人力和時(shí)間成本,知識(shí)庫的搭建和管理變得非常簡(jiǎn)單。

這是因?yàn)槿菹珻opilot是以容聯(lián)云自研赤兔大模型為底座,通過預(yù)置很多行業(yè)場(chǎng)景模型,控制了大模型的幻覺、內(nèi)容安全等問題,使得容犀Copilot具備了常識(shí)和一定的行業(yè)知識(shí)。當(dāng)容犀Copilot利用大模型的能力時(shí),不僅可以對(duì)文檔知識(shí)進(jìn)行分鐘級(jí)拆解,還能對(duì)內(nèi)容進(jìn)行自動(dòng)擴(kuò)展、自動(dòng)化的智能問答,再通過人工審核,建立的知識(shí)庫就能做到非常多的場(chǎng)景覆蓋,來提升前端的咨詢體驗(yàn)和后端的轉(zhuǎn)化效率。

不僅如此,容犀Copilot還能夠在知識(shí)快搜和智能問答場(chǎng)景上,為知識(shí)庫帶來全新的體驗(yàn)。

過去業(yè)務(wù)人員想在知識(shí)庫里找內(nèi)容,只能通過關(guān)鍵詞做檢索,結(jié)果往往并不精準(zhǔn)。但是現(xiàn)在基于容犀Copilot,可以用問答式的方式去做語義理解,給出更為準(zhǔn)確和高效的回答,還可以顯示背后的文檔來源和大模型的總結(jié)。

而智能問答作為補(bǔ)充,可以讓一線業(yè)務(wù)人員通過問答的方式,從用戶的視角去模擬反饋,提出一些之前話術(shù)沒有挖掘出來、文檔沒有檢索到的優(yōu)秀話術(shù),從而很好地為一線人員賦能。

用容聯(lián)云產(chǎn)業(yè)數(shù)字云事業(yè)群副總經(jīng)理孔淼的話說,“容犀Copilot是通過知識(shí)創(chuàng)造價(jià)值,讓企業(yè)知識(shí)轉(zhuǎn)化成價(jià)值的效率更高和更快”。

容聯(lián)云以大模型重構(gòu)營銷價(jià)值

目前,容犀Copilot已應(yīng)用在多家金融機(jī)構(gòu)的各類業(yè)務(wù)場(chǎng)景中,如:銀行智能客服、薦卡、分期;保險(xiǎn)智能客服、續(xù)保、續(xù)期、理賠;證券智能客服、投顧、合規(guī)、開戶等,也已在制造、汽車、零售等行業(yè)場(chǎng)景中進(jìn)行測(cè)試。

相較于“一窩蜂”扎堆入場(chǎng)AI大模型卻難以落地的玩家來說,容聯(lián)云已率先找到了大模型的“釘子”——通過大模型知識(shí)庫、話術(shù)挖掘、會(huì)話洞察的能力,解決營銷人員水平參差不齊、金牌方法論難以復(fù)用等痛點(diǎn),提升營銷效率,為客戶打造差異化和個(gè)性化體驗(yàn)。

作為智能銷售和客服領(lǐng)域的領(lǐng)頭羊,容聯(lián)云保持了一貫的穩(wěn)扎穩(wěn)打的技術(shù)風(fēng)格,以及深耕行業(yè)的業(yè)務(wù)能力。這也是為什么在大模型技術(shù)門檻一次次被拉低的當(dāng)下,容聯(lián)云依然能夠領(lǐng)跑垂直大模型、推出極具商業(yè)價(jià)值產(chǎn)品的原因。

從技術(shù)上看,早在深度學(xué)習(xí)階段,容聯(lián)云就已在全方位布局AI,涵蓋前沿底層技術(shù)儲(chǔ)備、AI小模型技術(shù)與to B輸出,有了大量積累。面對(duì)大模型這一波AI技術(shù)浪潮,容聯(lián)云也第一時(shí)間跟進(jìn),推出了自研赤兔大模型,并形成了非常完善的大小模型協(xié)同進(jìn)化的能力。

在此之上,容聯(lián)云擁有接入全鏈路、全域數(shù)據(jù)的能力,進(jìn)一步提升了AI對(duì)全流程溝通數(shù)據(jù)的分析和洞察能力,從而更好地實(shí)現(xiàn)業(yè)務(wù)價(jià)值的提升。

從產(chǎn)業(yè)實(shí)踐來看,容聯(lián)云也是一個(gè)不折不扣的“行業(yè)老兵”。過去多年服務(wù)過上千家行業(yè)頭部客戶,其中包括上百家金融機(jī)構(gòu),有著豐富的行業(yè)經(jīng)驗(yàn)和to B服務(wù)能力,這成為容聯(lián)云在大模型競(jìng)爭(zhēng)中脫穎而出的底氣。

最重要的是,盡管高喊“所有行業(yè)都值得用大模型重做一遍”的企業(yè)不在少數(shù),但真的能將大模型用起來、落地到業(yè)務(wù)中的企業(yè)卻屈指可數(shù)。除了需要投入高昂的人力、金錢、時(shí)間,更大的挑戰(zhàn)在于業(yè)務(wù)know-how——懂技術(shù)的不懂行業(yè)業(yè)務(wù),懂業(yè)務(wù)的不懂技術(shù)。

正如容聯(lián)云產(chǎn)業(yè)數(shù)字云事業(yè)群副總經(jīng)理孔淼所說,在各行業(yè)實(shí)際業(yè)務(wù)中,業(yè)務(wù)場(chǎng)景、流程管理都是非常靈活的,大模型的落地其實(shí)依賴于對(duì)業(yè)務(wù)場(chǎng)景的理解,只有知道大模型工具“誰來用、怎么用、何時(shí)用”,才能夠真的將技術(shù)和產(chǎn)品交付出去。

而容聯(lián)云團(tuán)隊(duì)用的就是“笨辦法”,整天和客戶一線業(yè)務(wù)人員“泡”在一起,跟著客戶把業(yè)務(wù)梳理清楚,先理解了客戶業(yè)務(wù),再去思考技術(shù)和業(yè)務(wù)如何結(jié)合落地。這樣的苦功夫也換來了實(shí)實(shí)在在的效果,在實(shí)際應(yīng)用中,容犀Copilot的效果比業(yè)內(nèi)很多大廠的大模型更好。

“大模型并不是更大就更強(qiáng),很多大模型是用公開數(shù)據(jù)訓(xùn)練的,能突破原來小模型的泛化能力瓶頸,而行業(yè)客戶的數(shù)據(jù)很多是私有數(shù)據(jù),以及應(yīng)用場(chǎng)景上有很多knowhow,需要針對(duì)性優(yōu)化,在回答的專業(yè)性、準(zhǔn)確性以及覆蓋率上會(huì)更好”??醉当硎?,容犀Copilot因?yàn)榉?wù)了很多行業(yè)客戶,合作很深,對(duì)于他們的業(yè)務(wù)場(chǎng)景和業(yè)務(wù)要求更理解,沉淀了更多的Prompt,所以在大模型的訓(xùn)練和推理上能夠產(chǎn)出更好的效果。

隨著容犀Copilot服務(wù)的行業(yè)客戶越多,其大模型落地的效果就越好,由此技術(shù)和商業(yè)也形成正循環(huán),構(gòu)建起容聯(lián)云在大模型時(shí)代新的競(jìng)爭(zhēng)壁壘。而那些敢于喝“頭啖湯”、愿意與容聯(lián)云這樣的頭部服務(wù)商通力合作的行業(yè)客戶,也將最先吃到大模型的技術(shù)紅利,獲得營銷效率的巨大提升,走向真正的業(yè)務(wù)數(shù)智化。

結(jié)語

毫無疑問,AI大模型技術(shù)并不能實(shí)現(xiàn)“一招鮮、吃遍天”,場(chǎng)景落地才是技術(shù)發(fā)展的關(guān)鍵。在“技術(shù)奇點(diǎn)”來臨時(shí),總有一大波的逐利者蜂擁而上形成泡沫,但不能踏實(shí)地研發(fā)底層技術(shù)和落地業(yè)務(wù)場(chǎng)景的他們,會(huì)在泡沫破滅時(shí)被淘汰出局。而像容聯(lián)云這樣的認(rèn)真做技術(shù)、做場(chǎng)景落地的實(shí)力派終將浮出水面,在更長(zhǎng)的周期中獲得更豐厚的回報(bào)。

【關(guān)于科技云報(bào)道】

專注于原創(chuàng)的企業(yè)級(jí)內(nèi)容行家——科技云報(bào)道。成立于2015年,是前沿企業(yè)級(jí)IT領(lǐng)域Top10媒體。獲工信部權(quán)威認(rèn)可,可信云、全球云計(jì)算大會(huì)官方指定傳播媒體之一。深入原創(chuàng)報(bào)道云計(jì)算、大數(shù)據(jù)、人工智能區(qū)塊鏈等領(lǐng)域。

審核編輯 黃宇

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • AI
    AI
    +關(guān)注

    關(guān)注

    87

    文章

    31234

    瀏覽量

    269597
  • 大模型
    +關(guān)注

    關(guān)注

    2

    文章

    2499

    瀏覽量

    2911
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    騰訊ima升級(jí)知識(shí)庫功能,上線小程序?qū)崿F(xiàn)共享與便捷問答

    近日,騰訊旗下的AI智能工作臺(tái)ima.copilot(簡(jiǎn)稱ima)迎來了知識(shí)庫功能的重大升級(jí)。此次升級(jí)不僅增加了“共享知識(shí)庫”的新能力,還正式上線了“ima知識(shí)庫”小程序,為用戶帶來了更加便捷和高效
    的頭像 發(fā)表于 12-31 15:32 ?339次閱讀

    從零開始訓(xùn)練一個(gè)大語言模型需要投資多少錢?

    關(guān)于訓(xùn)練技巧和模型評(píng)估的文章,但很少有直接告訴你如何估算訓(xùn)練時(shí)間和成本的。前面分享了一些關(guān)于大模型/本地知識(shí)庫的安裝部署方法,無需編寫代碼,即可使用 Ollama+AnythingLLM搭建企業(yè)私有
    的頭像 發(fā)表于 11-08 14:15 ?264次閱讀
    從零開始訓(xùn)練一個(gè)大語言<b class='flag-5'>模型</b>需要投資多少錢?

    科技報(bào)到:大模型時(shí)代下,向量數(shù)據(jù)的野望

    科技報(bào)到:大模型時(shí)代下,向量數(shù)據(jù)的野望
    的頭像 發(fā)表于 10-14 17:18 ?271次閱讀

    騰訊手動(dòng)下發(fā)遠(yuǎn)程升級(jí)指令到設(shè)備_OTA升級(jí)方案詳解

    這里可以加入"rn"字符,加入后,點(diǎn)擊發(fā)起調(diào)用,就可以了 本文章源自奇跡物聯(lián)開源的物聯(lián)網(wǎng)應(yīng)用知識(shí)庫Cellular IoT Wiki,更多技術(shù)干貨歡迎關(guān)注收藏Wiki: Cellular IoT Wiki 知識(shí)庫 (https:
    的頭像 發(fā)表于 09-30 15:27 ?391次閱讀
    騰訊<b class='flag-5'>云</b>手動(dòng)下發(fā)遠(yuǎn)程升級(jí)指令到設(shè)備_OTA升級(jí)方案詳解

    騰訊手動(dòng)下發(fā)指令到設(shè)備_云端與設(shè)備聯(lián)調(diào)方案

    即可 本文章源自奇跡物聯(lián)開源的物聯(lián)網(wǎng)應(yīng)用知識(shí)庫Cellular IoT Wiki,更多技術(shù)干貨歡迎關(guān)注收藏Wiki: Cellular IoT Wiki 知識(shí)庫 (https
    的頭像 發(fā)表于 09-30 15:25 ?322次閱讀
    騰訊<b class='flag-5'>云</b>手動(dòng)下發(fā)指令到設(shè)備_云端與設(shè)備<b class='flag-5'>聯(lián)</b>調(diào)方案

    【實(shí)操文檔】在智能硬件的大模型語音交互流程中接入RAG知識(shí)庫

    非常明顯的短板。盡管這些模型在理解和生成自然語言方面有極高的性能,但它們?cè)谔幚韺I(yè)領(lǐng)域的問答時(shí),卻往往不能給出明確或者準(zhǔn)確的回答。 這時(shí)就需要接一個(gè)專有知識(shí)庫來滿足產(chǎn)品專有和專業(yè)知識(shí)的回復(fù)需求,理論
    發(fā)表于 09-29 17:12

    聯(lián)科技集團(tuán)再度入選信通院《高質(zhì)量數(shù)字化轉(zhuǎn)型產(chǎn)品及服務(wù)全景圖》

    聯(lián)知識(shí)庫管理及智能應(yīng)答平臺(tái),通過全棧自研的大語言模型底座系統(tǒng),結(jié)合開源模型的靈活性與自研核心算法,提供了強(qiáng)大的智能服務(wù)功能,包括文本生成、文本搜索、圖像搜索、圖像比對(duì)等。平臺(tái)支持對(duì)
    的頭像 發(fā)表于 09-29 11:12 ?678次閱讀
    榮<b class='flag-5'>聯(lián)</b>科技集團(tuán)再度入選信通院《高質(zhì)量數(shù)字化轉(zhuǎn)型產(chǎn)品及服務(wù)全景圖》

    視語坤川大模型智能體平臺(tái)亮相2024世界人工智能大會(huì)

    視語坤川大模型智能體平臺(tái)兼容多種多尺寸的大語言模型及多模態(tài)模型,并可以使用訓(xùn)推平臺(tái)組件進(jìn)行模型微調(diào),以適配不同的應(yīng)用場(chǎng)景。平臺(tái)還具備外掛知識(shí)庫
    的頭像 發(fā)表于 07-09 14:38 ?266次閱讀
    視語坤川大<b class='flag-5'>模型</b>智能體平臺(tái)亮相2024世界人工智能大會(huì)

    聯(lián)發(fā)布犀大模型應(yīng)用矩陣

    在2024年世界人工智能大會(huì)的璀璨舞臺(tái)上,聯(lián)作為智能通信領(lǐng)域的佼佼者,隆重推出了其精心打造的犀智能大模型應(yīng)用矩陣,標(biāo)志著企業(yè)在AI賦能
    的頭像 發(fā)表于 07-09 14:36 ?428次閱讀

    北京靈奧科技基于亞馬遜科技打造大模型中間件

    企業(yè)AI應(yīng)用落地的最后一公里。靈奧科技現(xiàn)已服務(wù)全球超過30,000家用戶,廣泛覆蓋電商、金融、法律、房地產(chǎn)、教育和能源等行業(yè)。 大模型中間件是基于基礎(chǔ)模型與AI應(yīng)用之間的中間層基礎(chǔ)軟件,主要解決基礎(chǔ)模型應(yīng)用過程中數(shù)據(jù)集成、應(yīng)用集
    的頭像 發(fā)表于 06-27 21:21 ?581次閱讀

    如何手?jǐn)]一個(gè)自有知識(shí)庫的RAG系統(tǒng)

    用于自然語言處理任務(wù),如文本生成、問答系統(tǒng)等。 我們通過一下幾個(gè)步驟來完成一個(gè)基于京東官網(wǎng)文檔的RAG系統(tǒng) 數(shù)據(jù)收集 建立知識(shí)庫 向量檢索 提示詞與模型 數(shù)據(jù)收集 數(shù)據(jù)的收集再整個(gè)RAG實(shí)施過程中無疑是最耗人工的,涉及到收集、
    的頭像 發(fā)表于 06-17 14:59 ?616次閱讀

    OpenAI推出Vision模型版GPT-4 Turbo,融合文本與圖像理解

    據(jù)悉,此模型沿用GPT-4 Turbo系列特有的12.8萬token窗口規(guī)模及截至2023年12月的知識(shí)庫架構(gòu),其創(chuàng)新亮點(diǎn)則是強(qiáng)大的視覺理解功能。
    的頭像 發(fā)表于 04-10 10:49 ?426次閱讀

    信雅達(dá)大模型智能問答產(chǎn)品發(fā)布 運(yùn)營知識(shí)助手“小雅”上線

    金融機(jī)構(gòu)帶來全新的工作體驗(yàn)。 信雅達(dá)運(yùn)營智能知識(shí)助手“小雅”,是一款專為商業(yè)銀行打造的辦公輔助工具。其基于信雅達(dá)“雅問知識(shí)湖”,緊密結(jié)合銀行金融知識(shí)庫,在銀行運(yùn)營場(chǎng)景內(nèi)對(duì)傳統(tǒng)FAQ問答助手進(jìn)行
    的頭像 發(fā)表于 04-07 17:30 ?560次閱讀

    英特爾集成顯卡+ChatGLM3大語言模型的企業(yè)本地AI知識(shí)庫部署

    在當(dāng)今的企業(yè)環(huán)境中,信息的快速獲取和處理對(duì)于企業(yè)的成功至關(guān)重要。為了滿足這一需求,我們可以將RAG技術(shù)與企業(yè)本地知識(shí)庫相結(jié)合,以提供實(shí)時(shí)的、自動(dòng)生成的信息處理和決策支持。
    的頭像 發(fā)表于 03-29 11:07 ?828次閱讀
    英特爾集成顯卡+ChatGLM3大語言<b class='flag-5'>模型</b>的企業(yè)本地AI<b class='flag-5'>知識(shí)庫</b>部署

    聯(lián)發(fā)科旗艦芯片部署阿里模型

    全球智能手機(jī)芯片出貨量領(lǐng)先的半導(dǎo)體公司聯(lián)發(fā)科近日宣布,已成功在天璣9300等旗艦芯片上集成阿里通義千問大模型,實(shí)現(xiàn)了大模型在手機(jī)芯片端的深度適配,此舉尚屬業(yè)界首次。
    的頭像 發(fā)表于 03-28 13:59 ?524次閱讀