- 综合排序
- 最热优先
- 最新优先
- 来自专栏icecream小屋
xadmin建站（2）
三、xadmin后台管理 3.1见xadmin建站（预装）获取xadmin 3.2.xadmin的设置 （1）新建Python Package "extra_apps",把源码xadmin文件夹放到extra_apps （2）把extra_apps右键mark为Source Root并在settings中加入 sys.path.insert(0,os.path.join(BASE_DIR,'extra_apps
3.6K00发布于 2019-12-26 - 来自专栏产品笔记
什么是对话式AI？
对话式AI系统能够识别语音和文本、识别语言习惯，并能够以适当的自然语言做出回应。 对话式AI企业级应用包括智能客服、智能营销、智能外呼、智能助手等，其中智能客服的应用渗透程度高。 对话式AI消费级市场应用包括智能车载、智能家居、智能办公等场景，对话式AI消费级智能设备提高生活质量有效释放双手，提升用户体验。 01 — 什么是对话式AI? 对话式AI产品将在智能对话系统加载在服务场景的对话机器人中，以文本、语音和多模态数字人等产品形态与终端用户交互，应用在客服、营销与泛交互等服务场景。 对话式AI产品定位为“实现替代与辅助人工对话的共生，以达到最优人机协作”，为企业带来降本增效。 对话机器人chatbot产品可以分为：文本机器人、语音机器人和多模态机器人。 02 — 对话式AI是如何工作的? 对话式AI可理解自然语言并启动或参与与用户的双向沟通。凭借用户命令可以在整个使用过程利用模块进行倾听、理解和学习。
1.4K40编辑于 2023-09-09 - 来自专栏VoiceVista语音智能
对话式AI(Conversational AI)
在BOLD360峰会中，与会嘉宾探讨了对话式 AI的现状，未来，消费者关切等诸多话题。 “对话式AI平台比如Alexa已经超越了其最初的，处理家居事务性任务的目标。 对话式AI将带来一个多样和包容的新世界(A new world of diversity and inclustin)，将使人机数字接口更加的无处不在(Ubiquitous)，友好的和容易的(Welcoming 当然，对话式人工智能语音技术仍然在发展和演进，并扩展至更广泛的新的领域和内容(expanding to a wide varity of contexts)，不断适应用户自身的应用场景(adapt to 更多的关于对话式语音人工助理在 Microsoft， IBM, Amazon Alexa从业人员的讨论和真知，请参考如下视频。
1.8K20发布于 2019-08-14 - 来自专栏云市场精选
做网站要知晓的响应式建站和自助建站之间的区别
关于建站，许多企业都是在纠结的，以模板建站、响应式建站、自主建站等，下面就跟深圳新万网站建设小编来看看吧，“响应式”、“自助建站”这两个正本不同的个别是怎样样结合的呢？ 说起响应式，给人榜首形象就是html5网站、H5网站、响应式网站、响应式建站、照应式规划等等的一系列代名词。 响应式与自助建站相结合可以称作为：照应式自助建站系统、H5响应式自助建站系统等。 2.易与优化：照应式建站，共同的交互进口让搜索引擎更喜欢你，不需求再独自为特定的网站版别进行优化，只需求优化一个站点便能做好全部。 H5照应式自助建站系统的出现是为了完结照应式自建站，让更多的建站者和企业建站可以自助缔造照应式网站。制作照应式网站在较早之前是个繁琐杂乱的作业，但是现在照应式建站系统的出现，让照应式缔造变得简略。
5.8K10发布于 2018-07-31 - 来自专栏云云众生s
谈谈对话式软件开发
bash set -eu list_tickets() { local output output=$($command $subcommand run list_tickets 2& null,\”sl_product_id\”:null,\”sl_skill_id\”:null,\”sl_sla_policy_id\”:null,\”sla_state\”:0,\”source\”:2, \”source_name\”:\”Portal\”,\”spam\”:false,\”st_survey_rating\”:null,\”status\”:2,\”status_name\”:\”Open 在这一点上，我还进行了我称之为可解释性测试: LLM是否解释了1) 代码片段需要被花括号包裹，以及2) 嵌套的值需要被解析？以下是结果。 与 LLM 对话不像这些选择中的任何一个，这完全是另一回事;我们都在努力弄明白它如何发挥作用。要求 LLM 编写代码，神奇地出现代码？这明显是一个改变生活的事情。
44010编辑于 2024-03-27 - 来自专栏GoCoding
Docusaurus2 快速建站，发布 GitHub Pages
Docusaurus2 可快速搭建文档、博客、官网等网站，并发布到 GitHub Pages, Serverless 等。 代码：https://github.com/ikuokuo/start-docusaurus2 演示：https://ikuokuo.github.io/start-docusaurus2/ ? 运行应用 cd my-website/ yarn start 访问 http://localhost:3000/start-docusaurus2/ 本地地址。 tagline: 'The tagline of my site', url: 'https://ikuokuo.github.io', baseUrl: '/start-docusaurus2/ my-website/ GIT_USER=ikuokuo USE_SSH=true yarn deploy 访问 https://ikuokuo.github.io/start-docusaurus2/
1.7K10发布于 2021-05-06 - 来自专栏ytkah
ChatPDF与PDF进行GPT式对话
ChatGPT带火了另外一个产品ChatPDF，上传pdf文件后它就能回答这个PDF内容相关的问题，短短5天就分析了65000份PDF。这个工具是调用OpenAI的api制作的，体验地址在这www.chatpdf.com
4.8K50编辑于 2023-03-10 - 来自专栏DevOps
ChatPDF：与PDF进行GPT式对话
ChatGPT带火了另外一个产品ChatPDF，上传pdf文件后它就能回答这个PDF内容相关的问题，短短5天就分析了65000份PDF。这个工具是调用OpenAI的api制作的，体验地址在这www.chatpdf.com
72210编辑于 2024-03-29 - 来自专栏Pytorch实践
一文简述生成式对话
由于AI技术的发展，对话机器人也得到了广泛关注和应用，例如Siri、Alexa等。关于目前的人机对话可以分为两种：任务型对话（辅助购物、导航、商场指示、天气询问、病情询问等），非任务式对话（聊天等）。 本文主要关注于非任务型对话系统的构建，目前主流方法是基于深度学习的生成式模型。 Seq2Seq模型 Seq2Seq模型是目前做生成对话的主流模型。 对话也可以看成是由Question到Answer的转换。所以seq2seq模型很快应用到对话过程。具体模型(如下图)可以解释为： ? 给定一句话X, X由T个词语构成： ? 发展趋势 （1）引入历史对话 上述seq2seq只是已知一句话，生成下一句话。其实对话过程要结合上下文进行生成。例如A:“你喜欢旅游吗”；B:"喜欢"。 （3）引入知识 对话中引入知识非常有必要，毕竟不是所有问题都是闲聊。例如询问“姚明身高多少？”这类回复，需要引入知识来解决。[2] 参考文献 [1] I. Serban, A.
3K80发布于 2018-04-16 - 来自专栏Soul Joy Hub
多轮检索式对话——【ACL 2018】DAM
for Chatbots with Deep Attention Matching Network》 文本对于context和response语义上的联系更进一步，将 attention 应用于多轮对话 对应n个utterance-response对的匹配矩阵, 每一片的尺寸都是(n_u_i, n_r)对应匹配矩阵中每个矩阵的尺寸 最大池的3D卷积的操作是典型的2D卷积的扩展，如图其过滤器和步幅是3D
52830发布于 2021-09-10 对话式AI与信息抽取技术探索
“这是一个挑战，但如果我们不解决它，这将成为一个严重的社会问题，”Ji说，她也是某机构-UIUC交互式对话体验人工智能中心（AICE）的主任。 AICE旨在开发新的对话式人工智能系统，这些系统能够自动学习、推理、更新自身知识，并以更多模态进行交互。 AICE的另一个重点是提高对话式人工智能系统的真实性、公平性和透明度。现代信息海啸真的能被驯服吗？“创造力和真实性之间有一个权衡，”Ji说，“但我相信我们可以设计新颖的算法来实现这两个目标。” 对话式人工智能热潮Ji的整个职业生涯都在从事自然语言处理工作，对于正在考虑将其作为研究领域的学生，特别是考虑到大语言模型的繁荣，她会告诉他们什么？“首先，保持乐观！ 研究领域对话式人工智能标签自然语言处理、大语言模型、学术合作、伊利诺伊大学厄巴纳-香槟分校FINISHED
15510编辑于 2026-04-05- 来自专栏Soul Joy Hub
多轮检索式对话——【WSDM 2019】MRFN
Fusion Network for Multi-turn Response Selection in Retrieval-based Chatbots》 本文的Motivation是建立在最近几年多轮检索式对话基于的面向交互的思想是 word, short-term, long-term三个粒度6种表示： Word character Embedding: 利用字符级别的CNN（n-gram）解决typos/OOV的问题 Word2Vec : 这里很简单的用了word2Vec。 根据fusion操作所在阶段位置的早、中、晚，可分为3个策略： FES 第1到2列，就是在做fusion 第2列3列，做U、R 交互特征，Ti∗ 矩阵中的的各个向量为： 其中： 作者认为，轮次少的时候可能RNN系列性能的确可以和attention相抗衡，轮次多的时候可以理解为当前的回复其实更多与附近的对话相关，与较远的对话关系反而远了，所以对于局部前文信息把握更多的Contextual
50820发布于 2021-09-10 - 来自专栏数据派THU
ChatGPT 与世界：对话式 AI 模型对比
它是一个分布式的机器学习框架，可以在多台机器上训练大型模型。这有助于开发更复杂、更先进的语言模型。
58610编辑于 2023-05-11 - 来自专栏Soul Joy Hub
多轮检索式对话——【COLING 2018】DUA
Multi-turn Conversation with Deep Utterance Aggregation》 本文来自COLING2018, 文章提出, 诸如Multi-view和SMN模型都是将对话历史视为整体 , 或者说每一句对于response都是平等的, 这样做会忽略对话历史的内部特征, 例如一段对话过程经常包含多个主题; 此外一段对话中的词和句的重要性也都不同。 针对这些对话历史中的信息特征, 作者设计了下图所示的DUA模型： 第一部分: 通用的词向量+GRU做embedding 第二部分: 开始着手处理上面提到的对话历史交互问题, 首先虽然history中的多句话都对
44410发布于 2021-09-10 - 来自专栏Soul Joy Hub
多轮检索式对话——【CIKM 2019】IMN
《Multi-Representation Fusion Network for Multi-Turn Response Selection in Retrieval-Based Chatbots》
46620发布于 2021-09-10 信息检索迈向对话式交互的未来
ECIR 2021：信息检索迈向对话式交互的时代会议背景 欧洲信息检索会议（ECIR 2021）聚焦于信息检索领域的创新突破，某机构学者Emine Yilmaz（伦敦大学学院计算机科学教授）指出：未来用户将通过多轮对话与计算机交互精准获取所需信息 技术演进：从列表检索到对话交互核心挑战语音交互的数据局限性：与传统网络搜索返回20条结果相比，语音查询通常仅返回单条结果，导致用户行为数据显著减少满意度预测模型：通过分析用户与语音助手的交互行为演化，构建预测模型判断查询满意度主动澄清机制 系统在不确定用户需求时主动提出澄清问题（例如"推荐川菜馆是因为检测到您偏好麻辣口味"）技术实现路径贝塔测试优化：新功能仅向目标小规模用户群开放，通过有限数据集预测潜在满意度评估指标体系：目前缺乏专用于对话式信息检索且与用户满意度高度相关的量化评估标准解释性反馈循环 ：如何构建能主动发起澄清问题并解释推荐逻辑的智能系统未来发展方向尽管近年已投入大量研究构建对话式信息检索系统，该领域仍处于早期阶段。 重点技术方向包括：基于用户实时反馈的查询优化算法小样本学习在满意度预测中的应用融合解释生成与多模态检索的混合架构本文根据ECIR 2021会议技术内容整理，呈现信息检索领域向对话式交互转型的技术路径与挑战
21810编辑于 2025-08-26- 来自专栏Soul Joy Hub
多轮检索式对话——【ACL 2017】SMN
作者认为构建问答历史语句和候选回复的交互表示是重要的特征信息, 因此借鉴语义匹配中的匹配矩阵, 并结合CNN和GRU构造模型: 与Multi-view模型类似, 这里作者也考虑同时提取词汇级和语句级的特征, 分别得到两个匹配矩阵M1和M2, 具体的: • Word-Matching-M1: 对两句话的词做word embedding, 再用dot(ei,ej)计算矩阵元素 • Utterance-Matching-M2: 对两句话的词做word
47220发布于 2021-09-10 Alexa对话式AI技术进展全解析
Alexa对话式AI技术进展在疫情期间，团队持续创新，为对话式AI系统带来了多项技术突破。 为让开发者轻松构建对话技能，发布了Alexa Conversations功能。 开发者只需提供API、技能中调用的实体类型列表以及少量示例对话，基于深度学习的对话管理器就能预测客户可能与技能交互的多种方式。 新系统使用隐式反馈为NLU模型创建自动标记的训练示例，特别适用于异常表述请求的长尾分布。 这些技术进步正在通过实际功能为客户带来价值，同时推动整个对话式AI领域的发展。
32610编辑于 2025-10-12- 来自专栏AIGC
【AI】SLM，LLM，对话式AI，生成式AI的差异分析
toc一个包含许多概念和缩写的标题，别担心，下面我将为你一一解释，谷歌趋势显示，生成式人工智能是讨论最多的流行语：这是有道理的，因为生成式人工智能代表了最广泛的类别。 一、生成式AI生成式 AI 旨在创建类似于真实的人类生成材料的新内容或数据。这些系统可以根据从训练数据中学到的模式和结构生成各种各样的输出，包括文本、图像、音乐甚至视频。1. 2. 小型语言模型 （SLM）SLM 与大型语言模型 （LLM） 具有相同的用途，但它们在较少的数据量上进行训练。因此，与 LLM 相比，它们需要的计算资源要少得多。 三、对话式AI对话式 AI 是 AI 技术的一种应用，通常利用 LLM、SLM 或不同 AI 模型的组合来模拟类似人类的对话。 对话式 AI 使计算机能够模拟类似人类的对话。这包括一系列应用，包括聊天机器人、语音助手和交互式语音应答 （IVR） 系统。我正在参与2024腾讯技术创作特训营最新征文，快来和我瓜分大奖！
1.6K10编辑于 2024-05-06 - 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。 2.上下文关联能力能记住之前聊过的内容。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。 展开代码语言：JSONAI代码解释{"用户偏好":"海边度假","预算范围":"5000左右","出行天数":"3天2晚","酒店要求":"有儿童设施","排除项":["人多的景点","紧凑行程"]}后续对话带着这个总结而不是原始对话 方案四：混合方案（工程实践中最常见）实际应用中，通常采用混合策略：最近3-5轮对话：直接全文拼接，保证对话流畅性和连贯感更早的对话：用向量检索，捞出最相关的2-3轮作为背景用户画像：结构化的长期偏好信息候选商品信息
32510编辑于 2026-04-11
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