- 综合排序
- 最热优先
- 最新优先
【大模型】大模型备案的限定领域有哪些？
大模型是一种机器学习中的模型，它通常用于处理大模型的数据集和复杂的任务。大模型因其出色的性能和表现备受关注。接下来就讨论以下大模型的一些限定领域都有哪些。 一、什么是限定领域大模型的限定领域是指通过通用大模型的基础上将特定领域或行业中经过训练和优化的大语言模型，与通用大模型相比垂直领域大模型更注重于某个特定领域的知识和技能，表现更精准、专业、具有更高的领域专业性和使用性 二、通用大模型的特点与缺点通用大模型旨在覆盖广泛的任务和领域，具备较强的泛化能力。通常基于大量跨领域数据训练，能够处理语言理解、生成、推理等多种任务。 通用大模型在企业级场景无法直接使用，比如以下几点：●缺乏企业知识●数据安全隐患●知识更新不及时●大模型的训练和部署普通企业无法承担●无法保证大模型的所有权三、限定大模型的特点与优势垂类大模型针对特别行业或场景优化 、申请限定大模型需要哪些前提条件医疗行业需要当地卫健委批准的红头文件教育行业需要当地教育局批注的红头文件以此内推，其它同理
33610编辑于 2025-08-26三大领域大语言模型安全基准测试
TRIDENT：金融、医疗和法律领域的大语言模型安全基准测试随着大语言模型（LLMs）在法律、金融和医疗等高风险领域的部署日益增多，系统评估其领域特定安全性和合规性变得至关重要。 现有研究主要关注提升LLMs在这些领域的性能，却往往忽视领域特定安全风险的评估。 为填补这一空白，研究首先基于某机构医学伦理原则、某机构专业行为示范规则和某机构道德准则，定义了大语言模型的领域特定安全原则。 研究在Trident-Bench上评估了19个通用型和领域专用模型，结果表明该基准能有效揭示关键安全漏洞：强大的通用模型（如某中心GPT、某中心Gemini）能够满足基本要求，而领域专用模型往往难以处理细微的伦理差异 这凸显了领域特定安全性需要更精细化改进的迫切需求。
31100编辑于 2025-09-04- 来自专栏Soul Joy Hub
达尔文——生物医疗科学领域大模型
蛋白质等等）也用于“达尔文”大模型（通用开源数据以外）进一步的预训练，赋予“达尔文”大模型在生物医疗领域比一般通用大模型具备更有竞争力的表现 2.2 科研强化 RLHF 是指"Reinforcement 背靠赛业，数百名生物领域的专业研究员为我们达尔文提供专业知识和经验，来训练反馈模型，以指导“达尔文”大模型的强化学习 2.3 生物AGI 大语言模型的兴起，带动当下最热门的研究方向之一就是：基于大语言模型 “火山方舟” 包含模型广场、模型体验、模型训练推荐以及模型应用的功能，其使命是加速大模型和大算力的应用落地，加快大模型在各行业发挥商业价值。 赛灵力和字节跳动火山引擎深度合作，得到大模型服务平台“火山方舟”的强劲GPU算力支持，加速了“达尔文”大模型的训练学习。 带给大家一个好消息，“达尔文”大模型将入驻火山引擎大模型生态，上架至“火山方舟”的模型广场，补全火山引擎大模型生态的生物医疗领域，并供大家使用与反馈。 火山方舟 3.
96230编辑于 2023-07-21 - 来自专栏数据猿
【AI大模型展】网易数帆代码领域大模型——知识增强领域模型加速数智软件生产
数据智能产业创新服务媒体 ——聚焦数智 · 改变商业 知识增强领域大模型是网易数帆独创的一套落地方法论，底层采用网易伏羲、网易杭州研究院、网易数帆AI团队共建的网易玉言大模型基座，旨在结合大模型微调和知识增强技术降低实施交付成本 玉言大模型曾获中文语言理解权威测评基准 CLUE 分类任务榜单冠军，网易数帆在玉言大模型之上，针对智能软件开发相关需求进行预训练微调，开发了代码领域大模型，满足对话交互式软件开发、对话交互式数据分析、智能编程等场景需求 应用场景/使用群体 网易数帆知识增强代码领域大模型已经和全栈低代码融合，形成了CodeWave智能开发平台，实现了开发、测试、运维等软件生产全链路的智能化，面向企业级业务开发者提供服务。 2、应用广泛，目前已经覆盖网易集团公司生态，包括游戏、音乐、电商、教育、客服、IT等领域。 3、数据安全，可随大模型应用系统私有化部署，业务敏感数据更加安全可控。 网易数帆为CodeWave智能开发平台打造的NASL生成合成领域模型，在玉言大模型基础上，利用网易集团在NASL低代码编程语言实践中积累的NSAL数据集，基于Transformer架构训练得到NASL生成模型
47810编辑于 2023-10-29 - 来自专栏算法进阶
大模型在金融领域的综述
1 前言 本综述调查了大语言模型（LLM）在金融领域的应用，重点关注现有解决方案。 这些模型的发展主要得益于计算能力的进步、大规模数据集的可用性和新型神经网络架构的发展。语言模型的应用领域广泛，包括自然语言处理（NLP）等。 如下常见金融任务的大模型表现情况： - 情绪分析（SA） - 文本分类（TC） - 命名实体识别（NER） - 问答（QA） - 股票走势预测（SMP） - 文本摘要（Summ） 3.2 大型语言模型 InvestLM： InvestLM：使用金融领域指令调整的大型投资语言模型。 4.2 微调模型 金融领域微调LLM可增强领域特定语言和语境理解，提高金融相关任务性能，生成更准确定制输出。 4.2.1 LLM微调的常用技术 现代微调LLM技术分为标准微调和教学微调两类。
2.4K10编辑于 2024-03-18 - 来自专栏muller的测试分享
打造领域专属的大语言模型
简介大模型具有生成和理解自然语言的强大能力，但在专属领域中，通用模型往往表现不尽如人意。为了解决这一问题，越来越多的人希望能够使用基于专业或行业领域的大语言模型，以提高回答问题的准确性。 从零开始训练一个大模型所需的算力、成本以及数据质量和数量的要求都非常高，因此并不适用于所有人。然而，我们可以选择在已有的大模型（例如GPT系列）上进行微调。 微调是指在已经训练好的大模型的基础上，使用专业领域的数据进行进一步训练。通过在原有大模型的基础上添加专业领域的数据，可以对模型进行微调，从而减少大模型出错的概率和降低模型出现幻觉的次数。 微调模型的优点赋予大模型新的数据微调允许我们在已有大模型的基础上，加入特定领域的新数据，从而增强模型在该领域的知识和表现能力。例如，通过加入医学领域的数据，模型可以更准确地回答医学相关的问题。 帮助大模型修正错误信息通用大模型在某些专业领域可能会出现错误或不准确的信息。通过微调，我们可以利用高质量的领域特定数据来修正这些错误，从而提高模型的准确性和可靠性。
45110编辑于 2024-08-14 “大模型备案”的限定领域有哪些？
相信正在备案或即将备案的友友们，针对模型是否属于限定领域内还不太确定，今天，一篇带你搞懂大模型的限定领域有哪些以及限定领域的备案条件有哪些要求。一、 为什么要有“限定领域”？ 降低不可预测风险： 通用大模型能力强大，但也可能产生不可控的输出，例如生成有害信息、虚假内容，或在专业领域（如医疗、法律）给出错误且危险的建议。 鼓励垂直创新： 政策鼓励企业在自身擅长的专业领域内深耕，做出高质量、高可靠性的垂类模型，而不是一味追求“大而全”的通用模型。二. “限定领域”通常包括哪些？ “限定领域”没有一份固定的清单，企业会根据自身产品的特性和优势进行申报。常见的限定领域包括金融： 智能投顾、风险分析、金融报告生成、客服问答。 三、“限定领域”申请大模型备案需要额外申请哪些批准？医疗行业需得到当地卫健委批准的红头文件教育行业需得到当地教育局批准的红头文件其他的同理。
30010编辑于 2025-08-22- 来自专栏刘旷专栏
大模型这把大火，烧到了手机领域
同时，vivo还发布了包含不同参数规模的大模型矩阵，包括1750亿、1300亿、700亿、70亿和10亿五款大模型。其宣布130亿参数的蓝心大模型已经实现端侧跑通，并开源了7B大模型。 那么，大模型为何能够成为众多手机厂商的必争之地？首先，当下AI大模型已经成为众多终端的生态底座，手机厂商入局做AI大模型势在必行。 比如，小米常年深耕智能家居领域，因而沉淀了大量的AI软硬件基础；OPPO则始终注重攻克技术和创新，为追求高质量拍摄和设计的用户提供产品，这在大模型上得到了延续；vivo以年轻时尚为主要定位，注重自拍和音乐等个性化功能 同时，手机厂商还需要解决模型泛化不足的问题，以确保模型在不同场景下的表现都能够满足需求。最后，从竞争层面来说，各大手机厂商都在加大投入布局AI大模型领域，竞争压力很大。 当前，随着AI大模型走进手机领域，现有手机算力、存储的瓶颈就会逐渐凸显出来，推动大算力芯片，已经成为破解手机端侧大模型落地的关键一步。据了解，目前高通、联发科等手机芯片企业都已经开始布局了。
44920编辑于 2023-12-15 - 来自专栏深度学习思考者
【大模型】人工智能大模型在自动驾驶领域的应用
随着ChatGPT的火爆，大模型受到的关注度越来越高，大模型展现出的能力令人惊叹。 第一个问题：怎样的模型可以称之为大模型呢？ 一般来说，我们认为参数量过亿的模型都可以称之为“大模型”。 而在自动驾驶领域，大模型主要有两种含义：一种是参数量过亿的模型；另一种是由多个小模型叠加在一起组成的模型，虽然参数量不过亿，但也被称为“大模型”。 第二个问题：大模型的应用有什么条件？ 大数据和大算力是大模型应用的重要前置条件。 大模型在云端的应用 1.1 数据自动标注 采用大模型预训练的方式可以实现自动标注，自动标注工具可大幅提升数据处理速度。模型的标注精度相对越高，对人的替代程度相应也越高。 下一篇我们来讲 大模型在车端的应用。
2.1K30编辑于 2023-10-17 - 来自专栏程序随笔
聊聊心理医疗领域大模型的落地思考
近来，工作偏向于心理医疗领域方面的大模型，仅从领域大模型的落地，聊聊个人的一些思考。 硬件 准备好花钱买GPU。 领域大模型 业务场景的思考 首先需要审视斟酌业务领域的特殊性与可行性，我们要做的是心理领域，而心理领域倾向于医患对话，即询问链的场景；不仅仅是一问一回答的角度，而作为智能体(AI模型/医生)还需要 对患者的回答进行 开源模型 摸着石头过河——目前医疗、金融等领域已经有很多的开源模型，作为技术储备与预研，极其需要对已有的开源模型做一些调研。 训练流程及代码 而CareGPT与MedicalGPT两个模型给我提供了详细的训练流程参考： 第一阶段：PT(Continue PreTraining)增量预训练，在海量领域文档数据上二次预训练AI模型 第二阶段：SFT(Supervised Fine-tuning)有监督微调，构造指令微调数据集，在预训练模型基础上做指令精调，以对齐指令意图，并注入领域知识。
42110编辑于 2024-03-21 - 来自专栏炼丹笔记
领域大模型落地的一些思考
作者：刘聪NLP@知乎 一、常说通用模型的领域化可能是伪命题，那么领域大模型的通用化是否也是伪命题。 自训练模型开始，就一直再跟Leader Battle这个问题，领域大模型需不需要有通用化能力。 就好比华为盘古大模型“只做事不作诗”的slogan，是不是训练的领域大模型可以解决固定的几个任务就可以了。 个人的一些拙见是，如果想快速的将领域大模型落地，最简单的是将系统中原有能力进行升级，即大模型在固定的某一个或某几个任务上的效果超过原有模型。 二、领域大模型落地，任务场景要比模型能力更重要。 虽说在有产品上做升级，是代价最小的落地方式，但GPT4、AutoGPT已经把人们胃口调的很高，所有人都希望直接提出一个诉求，大模型直接解决。 现在很多人的疑惑是，先不说有没有大模型，就算有了大模型都不知道在哪里使用，在私有领域都找不到一个Special场景。
47020编辑于 2023-08-22 - 来自专栏智能大数据分析
【AI大模型学习】AI领域技术发展
前言 在当前技术环境下，AI大模型学习不仅要求研究者具备深厚的数学基础和编程能力，还需要对特定领域的业务场景有深入的了解。 三、AI大模型在特定领域的应用 1、在自然语言处理领域 AI大模型的应用已经深入到机器翻译、情感分析、文本生成等多个方面。 在智能家居、智能客服等领域，AI大模型的应用使得人们能够更加方便地与设备进行交互，提高了用户体验。 在这些领域中，大模型已经取得了显著的成就，但仍然有一些改进空间，例如通用性、鲁棒性、可解释性等方面的提升。 算法偏见和公平性：AI大模型学习可能存在算法偏见和公平性问题，尤其是在涉及敏感领域时，需要提出解决方案以确保公正和公平。
40210编辑于 2025-01-22 - 来自专栏AI
大模型在网络安全领域的七大应用
大模型的出现，不仅为NLP领域带来了巨大的进步，也为其他领域提供了新的可能性和挑战。 挑战和问题 在带来便捷性的同时，大模型在网络安全领域的应用也存在或多或少的问题，比如：1. 数据隐私和安全问题 在使用大模型进行网络安全检测时，需要处理大量的敏感数据。 此外，需要考虑如何解释模型作出的决策和预测结果，以提高决策的可信度和透明度。3. 模型的更新和维护问题 网络安全领域的变化和发展非常快，因此需要不断地更新和维护大模型。 大模型在网络安全领域的应用带来了许多突破和创新，但也面临着一些挑战和问题。未来，需要进一步研究和探索大模型在网络安全领域的应用，并采取有效的措施解决其中的问题。 随着人工智能技术的不断发展和进步，相信大模型将会在网络安全领域发挥更加重要的作用。
2.5K10编辑于 2024-08-23 垂直领域大模型必须备案吗？90%企业都搞错的大模型备案真相！
一、真实案例：珠宝大模型为何陷入备案困惑？ 最近收到一位朋友的紧急咨询：他们团队研发了一款面向珠宝设计师的垂直领域大模型，主打“文生图、图生图”的深度合成能力，模型架构基于第三方开源框架二次开发训练而成。 技术路径：接入第三方模型架构，但自主训练调优。 我的回复是：“可暂缓大模型备案，但算法备案必须做！” 这个答案背后，藏着大模型合规的核心逻辑。 二、大模型备案≠算法备案！一文看懂法规边界 1. 三、垂直领域大模型的备案避坑指南 场景1：纯B端封闭场景（如设计师专用工具）大模型备案： 非强制，但建议主动备案（提升企业合规资质）； 算法备案： 必须完成（生成合成类算法30日内备案）。 备案不是选择题，而是生存题大模型时代，合规是创新的护城河。无论你的模型服务于设计师还是消费者，算法备案是底线，大模型备案则需“量体裁衣”。记住一个原则：“先算法，后模型；生成式有C端，必双备”。
1.6K10编辑于 2025-02-20- 来自专栏心源易码
【2023 CSIG垂直领域大模型】大模型时代，如何完成IDP智能文档处理领域的OCR大一统？
，共同探讨图象图形学领域的前沿问题，分享最新的研究成果和创新观点，在垂直领域大模型专场，合合信息智能技术平台事业部副总经理、高级工程师丁凯博士为我们带来了《文档图像大模型的思考与探索》主题报告。 本文将围绕以下问题，分享主题报告中大模型时代下的智能文档图像处理领域研究问题与深度思考：以GPT4-V Gemini为代表大模型能为IDP领域的技术方案和研发范式上带来什么样的启发？ 能否吸取大模型的优点，提出精度好、泛化强的OCR大一统模型？能否更好的将LLM与文档识别分析引擎相结合来解决IDP领域的核心问题？ 三、大模型时代下的智能文档处理应用3.1、LLM与文档识别分析应用大语言模型能够理解自然语言文本，并具备上下文理解的能力，在文档识别分析应用中，将文档理解相关的工作交给大语言模型，自动进行篇章级的文档理解和分析 虽然GPT4-V为代表的多模态大模型技术极大的推进了文档识别与分析领域的技术进展，但并没有完全解决图像文档处理领域面临的问题，还有很多问题值得我们研究，如何结合大模型的能力，更好的解决IDP的问题，值得我们做更多的思考和探索
1.3K00编辑于 2024-01-06 . | 大语言模型辅助的临床医学领域大语言模型系统综述
自ChatGPT于2022年11月公开发布以来，大语言模型在医学人工智能领域引发了显著的研究热潮。 通过自动化文献筛选、证据分级和数据提取，该方法能够在保持可扩展性的同时，对临床领域大语言模型研究的整体证据质量进行量化评估，并为未来研究提供方向。 图2: 临床大语言模型研究的发表趋势。 研究任务、数据来源与医学领域分布 在纳入研究中，最常见的研究任务是患者沟通和健康教育，其次是医学知识检索和问答任务。 讨论 本研究表明，自2022年以来，大语言模型在临床医学领域的研究数量呈爆发式增长。然而，大多数研究仍停留在模拟数据或考试任务层面，真正使用真实患者数据的研究比例较低，随机对照试验更是十分稀缺。 此外，目前研究高度集中于少数医学专科，而许多其他临床领域仍缺乏系统研究。研究人员认为，这种不均衡的研究格局可能限制了大语言模型在医学中的全面应用。
11110编辑于 2026-03-30- 来自专栏数字化转型
2024思考：大模型领域的奋进与突破
一、开篇：大模型2024 印象在 2024 年大模型领域的激荡浪潮中，零一万物无疑是一颗耀眼且极具潜力的明星。 在业务领域，通过阿里云百炼大模型平台的模型服务层面向市场，针对 To B 行业精心打造全方位、多层次的大模型解决方案。 这一举措如同为千行百业打开了一扇通往智能化变革的大门，加速了大模型技术在金融、制造、交通、能源、科研等各个领域的落地生根，让大模型不再是高高在上的理论概念，而是切实转化为推动各行业发展的强大生产力 。 相信在未来的日子里，零一万物将继续秉持创新精神，不断突破自我，为大模型领域的发展贡献更多的力量，创造更加辉煌的成就 。 七、结语：持续开拓大模型创新之路2024 年，零一万物以无畏的探索精神和卓越的创新能力，在大模型领域留下了浓墨重彩的一笔。
34810编辑于 2025-01-13 - 来自专栏JavaEdge
DDD领域驱动设计-充血模型、贫血领域模型
贫血领域模型的基本特征是：它第一眼看起来还真像这么回事儿。项目中有许多对象，它们的命名都是根据领域来的。对象之间有着丰富的连接方式，和真正的领域模型非常相似。 其实这些对象在设计之初就被定义为只能包含数据，不能加入领域逻辑。这些逻辑要全部写入一组叫Service的对象中。这些Service构建在领域模型之上，使用这些模型来传递数据。 贫血领域模型的根本问题在于，它引入了领域模型设计的所有成本，却没有带来任何好处。 最主要的成本是将对象映射到数据库中，从而产生了一个O/R（对象关系）映射层。 将行为放入领域模型，这点和分层设计（领域层、持久化层、展现层等）并不冲突。因为领域模型中放入的是和领域相关的逻辑——验证、计算、业务规则等。 但是，这并不意味着领域模型就不应该包含行为。事实上，service层需要和一组富含行为的领域模型结合使用。
1.1K30发布于 2021-02-23 2026-2027 大模型领域5大突破性方向展望
结合当前技术瓶颈与行业需求，笔者判断，2026-2027年大模型领域的下一波大进展，将集中在交互体验、模型架构、底层基建、认知能力和推理可靠性五大核心方向，每一个方向的突破，都将为AGI（通用人工智能） 、安全边界控制、领域强度定制等功能。 下一个大进展，将来自于KVCache及相关AIInfra领域的革命性算法突破。 四、世界模型突破：从“文本建模”到“现实模拟”，实现认知能力跃升前谷歌大脑负责人、AI领域权威IanGoodfellow曾多次强调，世界模型是AGI实现的核心关键——所谓世界模型，本质上是让AI能够建模世界的运行规则 对于开发者而言，世界模型的突破将解锁更多高阶应用场景：例如，在工业领域，可基于世界模型模拟生产故障，提前优化流程；在自动驾驶领域，可模拟复杂路况，提升决策安全性；在腾讯云的云原生场景中，可模拟云资源调度逻辑
1.8K10编辑于 2026-03-15- 来自专栏智能人工
数字孪生五维模型及十大领域应用
在此背景下，为推动数字孪生技术在相关领域和行业的进一步应用，在数字孪生车间研究过程中，提出了数字孪生五维模型的概念，以适应新需求。 10个领域的应用思路与方案，以期为相关领域践行数字孪生理念与技术提供参考。 研究与实践表明，相关领域应用过程中所需解决的首个挑战是如何根据不同的应用对象与业务需求创建对应的数字孪生模型。因缺乏通用的数字孪生参考模型与创建方法的指导，严重阻碍了数字孪生相关领域的落地应用。 2 数字孪生五维模型为使数字孪生进一步在更多领域落地应用，北航数字孪生技术研究团队对已有三维模型进行了扩展，并增加了孪生数据和服务两个新维度，创造性提出了数字孪生五维模型的概念，如式(1)所示：MDT= 根据式(1)，数字孪生五维模型结构如图1所示。图片数字孪生五维模型能满足上节所述数字孪生应用的新需求。首先，MDT是一个通用的参考架构，能适用不同领域的不同应用对象。
2.6K90编辑于 2022-08-12
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