- 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 3.《情绪智商》（Daniel Goleman）：这本书介绍了情绪智商的概念，并探讨了情绪智商如何影响我们的生活和工作。 4. 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。 ---- ️ 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。
55410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。 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。 在模型训练中，团队在模型预训练阶段动态调整不同语种与领域知识的比例，融入了大量的专业金融语料，并在指令微调中灵活运用之前提出的Self-QA和混合训练方法，显著提升了模型在对话中的性能表现。
73210编辑于 2024-04-18 - 来自专栏韩曙亮的移动开发专栏
【AI 大模型】Meta Llama 3 大模型 ( Llama 3 大模型简介 | Ollama 软件下载安装 | Llama3 模型下载 | Llama 3 大模型 在线 离线 使用 )
首先 , 安装 Ollama 软件 , 到 https://ollama.com/ 下载安装 ; 然后 , 运行 ollama run llama3 命令 , 即可开始使用 Llama3 大模型 ; 一 、Meta Llama 3 大模型安装 1、Llama 3 大模型简介 Llama 3 大模型 是 Meta 公司 发布的 大模型 , Meta 公司 就是 Facebook ; Llama 3 大模型 Llama3 大模型 ; 下载的模型放在了 C:\Users\用户名.ollama 目录中 , 在我的电脑上的路径是 C:\Users\octop.ollama ; 这个模型很大 , 有 4.7 G 安装完成后的效果 for help) 二、Meta Llama 3 大模型使用 1、Llama 3 大模型在线使用 在命令行中 , 可以直接进行对话 , 下面是对话内容 : D:\Llama>ollama run llama3 for help) 2、Llama 3 大模型离线使用 Llama 3 大模型 联网时 , 可以访问云端服务 , 可以生成更加丰富的文本 ; Llama 3 大模型 在 断网后也可以使用 , 下面是断开网络后
1.7K12编辑于 2024-08-09 - 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。 MyBatisPlus 依赖： <dependency> <groupId>com.baomidou</groupId> <artifactId>mybatis-plus-spring-boot3- com.mysql</groupId> <artifactId>mysql-connector-j</artifactId> <scope>runtime</scope> </dependency> 3.
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 -7B 模型部署一个智能对话 Demo 环境准备 在 InternStudio 平台中选择 A100(1/4) 的配置，如下图所示镜像选择 Cuda11.7-conda，如下图所示： 接下来打开刚刚租用服务器的进入开发机 ，如下图所示： 在加载完模型之后，就可以与 InternLM-Chat-7B 进行对话了，如下图所示： Lagent 智能体工具调用 Demo 我们将使用 InternStudio 中的 A100 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。 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？
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。 当用户在第5轮说"不要那种"，大模型知道"那种"指的是第2轮提到的款式。3.个性化生成能力回复不是模板化的，而是根据当前对话状态自然生成。不同用户、不同对话阶段，得到的回复都不一样。 用户：5000左右助手：请给出推荐...适用场景：对话轮数不多（3-5轮）、对成本不敏感的场景，如客服咨询。优点：简单直接，模型能看到完整对话流程。 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
15910编辑于 2026-04-11 对话腾讯汤道生：AI不止于大模型
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。 公司重点研发的是混元大模型，已经支持了内部600多个应用。我们也和混元团队紧密合作，开拓更多调用大模型的产业场景，满足客户生图文、生图、生视频、生3D的需求。不同客户场景，对模型也有不同需求。 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？ 还有一点，你如果投大模型企业，你投的可能是——随便说——给它投5亿美金吧。假设它1年消耗3亿算力，假设是0毛利与成本分5年摊销，对于云厂商的资本支出可能是5倍。 虽然你是用3亿算力投资了它1年的消耗，但你实际现金是花了15亿出来，用来买GPU。
72210编辑于 2024-07-03AGI 进阶之路探索：我和头部大模型对话学习3w+轮次后发现…
基于真实多轮对话内容，进一步拆解出「是否理解用户意图」、「是否具备良好的知识推理能力」、「是否胜任 Agent 要求」「是否理解任务要求」四大类共七项分析指标，对8个顶尖模型进行了评测。 接下来让我们一起来看看这些顶尖大模型表现如何吧！ 这些实践揭示：当前顶尖模型已具备 L3 级别的部分特征，但我们如何定位当前模型能力边界，评测头部模型在多轮对话任务中所展现出的自主决策能力优劣？ 当模型仅需提供最终目标便能自主设计框架和决策执行流程时，即可认为其在多轮对话任务中达到了 L3 级别的能力标准。 从知识点讨论走向更通用的交互对话场景，从用户对模型切换有感知到产品化的隐式评测，从简单交互到融入跨模态、工具调用等复杂的交互方式……我们将从十分钟 Quiz 评测为起点，探索不同发展阶段大模型更前瞻、更跨周期的评测方案
45110编辑于 2025-05-22- 来自专栏开源项目搭建
简单3步部署本地国产大模型DeepSeek大模型
简单3步部署本地国产大模型DeepSeek大模型DeepSeek是最近非常火的开源大模型，国产大模型 DeepSeek 凭借其优异的性能和对硬件资源的友好性，受到了众多开发者的关注。 本文将介绍如何通过简单 3 步在本地部署 DeepSeek 大模型，让你能够轻松体验这一强大的 AI 工具。 deepseek-r1的哪个版本的大模型？ 它支持各种LLM，包括Llama 3、Mistral和Gemma。提供了类似OpenAI的API接口和聊天界面,可以非常方便地部署最新版本的GPT模型并通过接口使用。 这将删除当前会话中的所有历史记录或对话内容。退出对话模型命令：/bye功能：退出当前与模型的对话，并退出程序。
6.3K33编辑于 2025-02-06 - 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。 3. 如果用户输入的内容偏向于中性情绪，只返回"default",不要有其他内容，否则将受到惩罚。 4. ，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.
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。 预训练对话模型 近些年来，预训练模型引爆了 NLP 的技术变革，比如 BERT[1]、GPT[2]、T5[3] 等。 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。 SPACE-3: 从单模块建模到一体化建模 面向单模块的预训练模型存在几个问题： 首先，模型的泛化性有限，无法很好的泛化到其他对话任务中，比如面向对话理解的模型很难再对话策略上有很好的效果； 对话任务具有流程型和时序性 为了克服这些问题，所以我们提出了 SPACE-3，希望将对话理解、对话策略、对话生成都统一到一个预训练对话模型中。 4.1.
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。 --ChatYuan 和 ChatGPT 首次对话 --（建议全屏观看） 版本升级内容 【支持多次编辑】 第一次输入后，可以进一步提出要求，修正生成内容，快速更新所需内容。 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。 【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 ，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 3. 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、 可视化报表生成：通过JBoltAI的可视化接口，生成折线图（评分趋势）、柱状图（各维度扣分情况）、饼图（问题类型分布）等报表，客服主管可直观查看团队服务质量现状；自动预警与推送：设置质量预警阈值（如某客服连续3条对话不合格
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。 3）让它提供“反例”或“失败用例” 给出至少 2 个反例/边界情况，说明你的结论在哪些情况下会失效。 会逼它做自我对抗，拍马屁概率显著下降。 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 - 来自专栏深度学习自然语言处理
武侠小说视角：大模型对话系统的内功与外功
但是在 M-Cue 的情况下所有的大模型都能很好的跟随指令，这种情况下由于 D4 的对话上下文是最长的，导致其效果是三个数据集中最差的。 英文大模型：在 O-Cue 的情况下 Alpaca 也出现了类似 ChatGLM 的问题，即不能很好的跟随指令，此外英文大模型在较长的对话输入等场景下也表现不佳。 总的来说，我们首先构建了将近 3k 多条多轮对话，在一个多轮对话包括三个不同的场景：1）不使用任何外部知识；2）仅使用 persona knowledge source；3）既使用 persona 又使用 Unsupervised SAFARI：给定一些 demostrations，我们直接使用 prompt 来要求大模型输出我们需要的内容，比如第一步要求大模型直接输出 source 序列，第二步根据对话上下文和中间辅助文档生成对应的回复 个案例作为 demostrations，另一方面 in-context learning 在解决大模型的 uncertainy 上似乎也不是一个有效方案 [3]。
76210编辑于 2023-12-04
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