- 综合排序
- 最热优先
- 最新优先
- 来自专栏Python进阶之路
开源教育对话大模型 EduChat
EduChat 是华东师范大学计算机科学与技术学院的 EduNLP 团队开发的开源教育对话大模型。 该项目主要研究以预训练大模型为基底的教育对话大模型相关技术，融合多样化的教育垂直领域数据，辅以指令微调、价值观对齐等方法，提供教育场景下自动出题、作业批改、情感支持、课程辅导、高考咨询等丰富功能，服务于广大老师 在未来，开发者们将持续投入对基础模型的研究，并持续推出更为强大的 EduChat 版本，以丰富全球教育大模型生态，加速全球教育信息化进程。 模型回复可能存在偏见，有可能生成危险性言论。 在某些场景中，比如推理、代码、多轮对话等方面，模型的能力仍有待提高。 ---- ️ 参考链接： EduChat - 探索了针对教育垂直领域的对话大模型相关项目研发 EduChat 模型 - 在 educhat-base-002-7b 基础上，使用构建的教育领域多技能数据微调后得到
1.9K30编辑于 2023-07-10 - 来自专栏数据派THU
中文对话大模型BELLE全面开源！
来源：高能AI本文约1000字，建议阅读5分钟模型调优仅使用由ChatGPT生成的数据，为中文指令提供更好的支持。 中文对话大模型开源社区迎来了一名浓眉大眼的新成员！ 但是这样的技术不应该只被掌握在一家公司手中，因此BELLE项目应运而生了，他们的初衷是为了促进中文对话大模型开源社区的发展。为此，他们在三个方面做了初步的尝试，并已经开源了他们的研究成果。 模型：大模型的训练往往具有较高的成本，而一个具备初步的能力的对话模型，将大大降低使用和科研的门槛。为此，他们基于Bloom和LLAMA，训练了出具效果的对话模型，并完全开放了这些模型的参数。 轻量化：为了便于模型的部署和试用，BELLE团队同时开源了对话模型的量化版本。包括8bit, 4bit, 其中4bit版本模型checkpoint大小仅为6.9G，运行仅需8.4G显存。 总结 可以说BELLE的出现，大大促进了中文开源对话模型的发展，基于他们开源的数据和模型，更多的人可以尝试这些模型，更多的研究工作可以更快捷的展开。
98220编辑于 2023-04-05 - 来自专栏软件测试学习
基于LangChain的大模型对话简单demo
LangChain Python 提供了一个庞大的生态系统，拥有 1000 多个集成，涵盖聊天与嵌入模型、工具与工具包、文档加载器、向量存储等。 docs.langchain.com/oss/python/integrations/providers/overview 现在看一下怎么通过python脚本使用langchain-deepseek连接deepseek模型进行对话 运行方式 deepseek-chat：走「非思考模式」——像常规大模型一样“秒回”，适合日常对话、创意写作、客服问答。 的Chat models LangChain 支持通过统一的接口，从任意支持的模型提供商进行初始化聊天模型。 ： 总结 看完上面的内容的话，基本上就可以写一个简单的基于langchain的大模型基础对话的简单脚本了，关注我，后面会不定期更新其他内容。
55510编辑于 2025-11-12 - 来自专栏机器学习与统计学
命令行中与大模型对话
大家好，我是老章推荐一个有意思的可以在命令行与大模型对话的Python库 虽然各种code CLI工具很多，但是也不是什么问题都要去找Claude Code、Gemini CLI、Qwen Code这些烧钱的大家伙 LLM LLM 是一款功能强大的命令行工具和 Python 库，可与 OpenAI、Anthropic 的 Claude、Google 的 Gemini、Meta 的 Llama 等众多大语言模型进行交互 ，支持通过远程 API 及在本地安装运行模型。 chat 与模型进行持续对话 collections 查看和管理嵌入集合 embed 对文本进行嵌入并存储或返回结果 embed-models 管理可用的嵌入模型 embed-multi 一次性为多个字符串存储嵌入...
59910编辑于 2025-07-26 - 来自专栏代码编写世界
连接语言大模型（LLM）服务进行对话
引言 最近开始接触AI大模型方向的工作，第一个实例就尝试一下连接大模型进行对话的实现。 2. 这也是为啥现在大模型平台都可以选择接入不同的大模型来实现AI应用。 就是大模型的提示词，通过更改提示词，可以与大模型对话来得到自己想要的结果。 2.2 LangChain 除了使用openai模块，使用LangChain是个更好的选择。 当然，如果有的大模型提供batch接口，LangChain就会直接调用它。 2.3 其他 在阿里的百炼平台上还提供了“多轮对话”和“流式输出”的使用方式。这两种方式是构建AI Chat应用必须的。 “多轮对话”就是需要让大模型记住之前的对话内容，也就是上下文，以便得到更好的输出；“流式输出”则是让大模型的回答逐步渐进的输出，一个字一个字的呈现，以便让AI Chat应用的交互性更好。
37810编辑于 2025-07-21 - 来自专栏机器学习AI算法工程
【开源】度小满中文金融对话大模型
金融一直是轩辕大模型重点关注的领域和主要应用目标，因此我们首先在金融场景评测了XuanYuan-6B模型。 我们使用自己构建并开源的FinanceIQ数据集，该数据集是一份专业的大模型金融能力评估数据集，涵盖了10个金融大类，36个金融小类，总计7173题。评估结果如下表所示。 除金融外，我们也注重轩辕大模型的通用能力，因此我们也在多个主流评测集上进行了模型评测，观察轩辕大模型在知识、逻辑、代码等通用能力上的表现。评测结果如下表所示。 人工评测 除在各榜单进行评测外，我们进一步对XuanYuan-6B-Chat模型进行了人工评估，来公正客观地评估chat模型在对话场景中的真实能力。 主要特点： “以小搏大”的对话能力：在知识理解、创造、分析和对话能力上，可与千亿级别的模型相媲美 金融领域专家：在预训练和微调阶段均融入大量金融数据，大幅提升金融领域专业能力。
73210编辑于 2024-04-18 - 来自专栏王磊的博客
面试官：如何实现大模型连续对话？
所有的大模型本身是不进行信息存储的，也不提供连续对话功能，所以想要实现连续对话功能需要开发者自己写代码才能实现。那怎么才能实现大模型的连续对话功能呢？ 大模型连续对话功能不同的框架实现也是不同的，以行业使用最多的 Java AI 框架 Spring AI 和 Spring AI Alibaba 为例，给大家演示一下它们连续对话是如何实现的。 PS：我们只有先讲对话存储起来，才能实现连续对话功能，所以我们需要借助数据库存储来连续对话。 MessageChatMemoryAdvisor advisor = new MessageChatMemoryAdvisor(chatMemory, sessionId, 10 RedisMemoryController { private final ChatClient chatClient; private final int MAXMESSAGES = 10
58310编辑于 2025-07-19 大语言模型为何难以模仿人类对话
测试了多种模型研究人员测试的大语言模型包括ChatGPT-4、Claude Sonnet 3.5、Vicuna和Wayfarer。首先，他们独立比较了人类之间的电话对话记录与大语言模型模拟的对话。 此外，它们还可以用来组织对话。大语言模型在使用这些词方面仍然很糟糕。"大语言模型以不同的方式使用这些小词，而且经常不正确，"比埃蒂说。这有助于暴露它们的非人类身份。但还有更多问题。 这种介绍，以及向对话新阶段的转换，大语言模型也难以模仿，"比埃蒂说。对话的结尾也是如此。我们通常不会在信息传达给对方后就突然结束对话。 相反，我们经常用"好吧，那么"、"好的"、"回头聊"或"再见"等短语来结束对话。大语言模型也未能完全掌握这一部分。未来会更好吗？ 大语言模型的改进很可能能够缩小人类对话与人工对话之间的差距，但关键的差异可能会持续存在，"比埃蒂总结道。就目前而言，大语言模型仍然不够像人类，无法欺骗我们。至少不是每次都能成功。
17410编辑于 2025-12-24- 来自专栏Java技术进阶
书生·浦语大模型图文对话Demo搭建
前言 本节我们先来搭建几个Demo来感受一下书生浦语大模型 InternLM-Chat-7B 智能对话 Demo 我们将使用 InternStudio 中的 A100(1/4) 机器和 InternLM-Chat 并运行 python /root/model/download.py 执行下载，模型大小为 14 GB，下载模型大概需要 10~20 分钟 import torch from modelscope import Lagent 是一个轻量级、开源的基于大语言模型的智能体（agent）框架，支持用户快速地将一个大语言模型转变为多种类型的智能体，并提供了一些典型工具为大语言模型赋能。 14 GB，下载模型大概需要 10~20 分钟 import torch from modelscope import snapshot_download, AutoModel, AutoTokenizer 我们在 Web 页面选择 InternLM 模型，等待模型加载完毕后，输入数学问题 已知 2x+3=10，求x ,此时 InternLM-Chat-7B 模型理解题意生成解此题的 Python 代码，Lagent
47810编辑于 2024-02-28 - 来自专栏#推荐系统及推荐算法
什么是大模型多轮对话式推荐？如何维护对话上下文？
什么是大模型多轮对话式推荐？如何维护对话上下文？本文收录于Github：AI-From-Zero项目——一个从零开始系统学习AI的知识库。如果觉得有帮助，欢迎⭐Star支持！ 本文将带你了解：大模型如何做多轮对话式推荐？对话上下文是怎么维护的？以及这背后的技术原理和工程实践。 二、什么是大模型多轮对话式推荐大模型多轮对话式推荐，是指利用大语言模型的理解和生成能力，通过与用户进行多轮自然语言对话，逐步收集和澄清用户偏好，最终给出个性化推荐结果的系统。 三、大模型对话式推荐如何工作3.1为什么大模型适合做这件事大模型具备三个关键能力，让它成为对话式推荐的理想选择：1.语义理解能力能听懂用户的口语化、主观化表达。 四、大模型对话式推荐的优缺点优势劣势主动引导：通过提问帮助用户明确需求，适合"用户自己也不知道要什么"的场景响应延迟：每次都要调用大模型，延迟通常1-3秒，用户体验受影响自然交互：支持口语化、主观化表达
16010编辑于 2026-04-11 对话腾讯汤道生：AI不止于大模型
哪怕苹果，也是超过10年不同产品形态的迭代，才抓到移动设备机会——所以重要的不是谁最早做PDA，而是谁最后占领市场。《潜望》：对大模型，腾讯FOMO（怕错过）过吗？ 但大模型只是AI大赛道中的一部分，人工智能领域的很多其他技术路线也很值得关注，要搭建一套有用的智能系统，大模型也可能只是其中一个模块。不是只有做大模型的玩家才是做AI。 汤道生：我们的AI布局大致分四层：基础设施、模型管理工具与引擎框架、大模型与模型商店、应用场景。 比如在CSIG的企业应用中，腾讯会议就用大模型来生成会议纪要，腾讯乐享就用大模型构建熟悉企业文档库的智能助手，Coding研发平台用大模型来生成代码。《潜望》：关于AI，你目前思考最多的问题是什么？ 以前WebEx加Cisco大屏设备，好像要10万块一台。只有大公司的董事局会议室，才愿意投这么多钱在会议系统，不可能普及到更多场景。
72210编辑于 2024-07-03- 来自专栏技术趋势
windows10搭建llama大模型
背景 随着人工时代的到来及日渐成熟，大模型已慢慢普及，可以为开发与生活提供一定的帮助及提升工作及生产效率。所以在新的时代对于开发者来说需要主动拥抱变化，主动成长。 LLAMA介绍 llama全称：Large Language Model Meta AI是由meta（原facebook）开源的一个聊天对话大模型。 ~all~sobaiduend~default-1-106591160-null-null.142^v88^control,239^v2^insert_chatgpt&utm_term=windows10% Linux图： 下载羊驼模型（有点大） 先建一个文件夹：path_to_original_llama_root_dir 在里面再建一个7B文件夹并把tokenizer.model挪进来。 -f prompts/alpaca.txt -ins -c 2048 --temp 0.2 -n 256 --repeat_penalty 1.3 结果 最后 我知道很多同学可能觉得学习大模型需要懂
1.5K30编辑于 2023-09-12 - 来自专栏AI理论与前沿
AI大模型应用开发实战-Agent应用对话情感优化
当初次和用户对话的时候，你会先问用户的姓名和出生年月日，以便以后使用。 2. 当用户希望了解龙年运势的时候，你会查询本地知识库工具。 3. 你会保存每一次的聊天记录，以便在后续的对话中使用。 6. 你只使用繁体中文来作答，否则你将受到惩罚。 ，from_template() 更适合单一指令或查询模式化情感class Master: def __init__(self): # 初始化ChatOpenAI模型 当初次和用户对话的时候，你会先问用户的姓名和出生年月日，以便以后使用。 2. 当用户希望了解龙年运势的时候，你会查询本地知识库工具。 3. 你会保存每一次的聊天记录，以便在后续的对话中使用。 6. 你只使用繁体中文来作答，否则你将受到惩罚。
1.1K00编辑于 2024-08-07 - 来自专栏机器之心
如何向大模型注入知识？达摩院通义对话模型SPACE系列探索
达摩院对话大模型 SPACE-1/2/3 在 11 个国际对话数据集取得 SOTA。 图 10 对话策略的建模方式 2.3. 半监督预训练 如何将这个分类问题进行半监督训练呢？ 进一步详细分析如下图所示，Success 是对话完成率指标，BLEU 是对话生成指标，对话策略对于这两个指标有重要影响，注入对话策略知识后的大模型，在这两个这两个指标上带来了显著提升。 支持自然语言处理、图形图像识别、搜索广告推荐等多种应用场景，具备高性能、高效率、高资源利用率等核心优势，可为大模型等前沿 AI 技术提供高拓展可预期的计算服务。 同时课程配有 32 次课后测验、10 次编程练习、10 次大作业，确保课程结束时可以亲自上手从零搭建一个完整的声纹识别系统。 点击阅读原文，了解更多课程内容。
2.1K20编辑于 2022-10-11 - 来自专栏机器之心
ChatGPT国产化：ChatYuan元语对话大模型升级
国产自研功能对话大模型元语 ChatYuan 于 2022 年 12 月发布测试版本后，引起社会各界人士的广泛讨论，并且收到了用户的大量反馈和宝贵建议。 欢迎各位朋友积极参与内测，国产通用大模型已成为势在必行的必备能力，欢迎大家一起共建和督促。 、Modelscope、 GitHub 等多个平台总下载量 10w+。 【欢迎有识之士】 元语智能团队欢迎所有对大模型有热情、有信仰的朋友加入。 可以通过元语智能公众号，后台留言【加入】联系元语团队，或发送邮件至 connect@yuanyu.ai 元语智能团队其他技术和产品介绍，可以阅读「首个中文版ChatGPT来了：大模型的中国元“Yuan”
83520编辑于 2023-02-23 引入了AI大模型开发客服对话质量评估助手
一、项目背景：传统客服对话质检的4大核心痛点我们公司客服团队有50+人，每天要处理上千条用户对话（覆盖文字、语音、在线聊天等渠道），传统的对话质量评估完全依赖人工质检，痛点突出到客服主管多次申请优化：评估效率极低 ，覆盖范围有限：质检人员每天最多能抽检50条对话，全量评估根本不现实，大量问题对话可能被遗漏；而且逐句查看对话、对照评估标准打分，每条对话平均要10分钟，效率极低；评估标准不统一，结果主观性强：评估标准包含 ，通过JBoltAI的多格式解析SDK，统一处理为标准化文本格式，用于模型训练和历史质量复盘；对话数据关联归档：按“客服ID+对话日期+问题类型”对对话记录进行分类归档，自动关联后续的评估结果和整改记录 标准化评估维度构建：结合行业标准和公司客服管理要求，构建“态度友好度、问题解决率、话术规范性、响应及时性、合规性”5大核心维度，每个维度下设具体评估指标（如态度友好度包含“是否使用问候语、是否耐心解答、 、团队不合格率超过10%），触发预警后自动推送通知给客服主管，方便及时介入整改。
28510编辑于 2026-01-13- 来自专栏HUMAN3.0
当你在跟大模型聊天，其实是在跟什么对话？
“又进步了”，而是有点发怵：原来我每天用的大模型，可能并不是我以为的“高级自动补全”。 这件事一旦想清楚，你对“怎么用大模型”“该信它到什么程度”会完全换一套心智模型。 核心观点：大模型不是在背答案，而是在长出“解题结构” 很多人（包括我之前）对大模型的默认理解是： 输入一段话 模型按概率吐出下一个词 所以它本质是“文本预测器” 这句话没错，但不完整。 现状也别神话：我们可能刚把“显微镜”造出来 现在的可解释性工具，只能在部分任务、部分模块上看得清楚；研究对象更多还是中等规模模型。想完全看懂最顶级大模型内部运作，还差很远。 把大模型当“系统”，而不是当“神谕” 如果用一句话收束这篇：你和大模型对话，本质是在和一套内部会长出结构、会迎合、也会自我包装的系统对话。 所以你要做的不是“更会问”，而是“更会验”。
9710编辑于 2026-02-27 - 来自专栏喔家ArchiSelf
大模型应用设计的10个思考
技术不是万能的，但没有技术却可能是万万不能的，对于大模型可能也是如此。 基于大模型的应用设计需要聚焦于所解决的问题，在自然语言处理领域，大模型本身在一定程度上只是将各种NLP任务统一成了sequence 到 sequence 的模型。 利用大模型， 我们是在解决具体的生产和生活中的问题，产品和技术上的设计仍然不可或缺。 那么，如果大模型正在重新构建软件工程的未来，我们是否应该遵循一些基本原则呢？ 1. 因此，只要我们对模型进行适当的控制和引导，它就能成为我们工作中得力的“助手”。而这种控制的基础，就是我们对模型内部机制和特点的深入了解和掌握。 10. 因此，我们在使用大模型时，应该保持理性和谨慎的态度，既要欣赏它们所带来的便利和进步，也要警惕它们的局限性和潜在风险。这样，才能更好地利用这些模型，推动基于大模型应用的健康发展。
61410编辑于 2023-12-04 - 来自专栏喔家ArchiSelf
大模型应用的10个架构挑战
基于笔者近年来的探索与实践，这里列举了面向大模型应用系统架构设计的10个挑战。 1. 生产环境的挑战——推理框架的选择 对于大模型应用而言，生成环境的运行时是一个推理架构。 大模型应用需要一个针对产品级大型语言模型的高效管理系统。 尽管我们已经有了一些探索，例如《大模型应用的10个架构模式》(https://mp.weixin.qq.com/s? 适用性挑战——大模型的应用边界 大模型在人工智能领域确实展现出了强大的能力，它们在各种控制平面和应用场景中都发挥着重要作用。然而，尽管大模型的应用范围广泛，但并不意味着它们是无所不能的。 虽然大模型在人工智能领域具有广泛的应用前景，但并不是所有场景都适合使用大模型。在设计系统架构时，我们需要根据具体需求和技术挑战来判断是否需要引入大模型，以确保系统的高效性和可靠性。 10.
1.2K10编辑于 2024-12-24 - 来自专栏机器学习/数据可视化
机器学习分类模型10大评价指标
公众号：尤而小屋作者：Peter编辑：Peter大家好，我是Peter~机器学习分类模型的评价指标是在衡量模型在未知数据集上的性能表现，通常基于混淆矩阵和相关的评价指标。 样本的真实类别是负类，但模型将其识别为正类。True Negative（TN）：真负类。样本的真实类别是负类，并且模型将其识别为负类。 ，精确率越高，表示模型越好。 ，也就是说精确率是模型在某个类别上的判断。 下图是来自维基百科对ROC-AUC的解释：图片通过对分类阈值$\theta$（默认情况下是0.5，范围是0到1）从大到小或者从小到大排列，就可以得到多组TPR和FPR的取值，在二维坐标系中绘制出来就可以得到一条
1.5K10编辑于 2023-10-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号