中国职业社交网优士网​融资300万美元

职业社交平台优士网宣布完成新一轮融资,获得包括美国格理集团(GLG)在内的投资者300万美元注资。截至目前,优士网累计融资450万美元。此轮融资将助力优士网在中国市场的发展,同时优士网会员可接入GLG的专业人士网络。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

据外电消息,中国国内的职业社交网优士网(Ushi)向美国格理集团(Gerson Lehrman Group (GLG))等融资300万美元。

  优士网共融资300万美元,GLG的投资只占一部分,到目前为止,优士共计融资450万美元。之前投资过优士的企业也参与了本轮投资,这是优士网的第二轮融资。

  优士之前的投资者包括麦顿投资(Milestone Capital )创始合伙人楼云立(Yunli Lou),Endeavor联合创始人彼得﹒柯尔尼(Peter Kellner), 利丰投资(亚洲)有限公司董事总经理郑可玄。

  优士网位于上海,主要为商人和企业家提供社交网服务,之前公司曾说网站拥有超过4万名CEO级别的用户,拥有1万名CTO级别的用户,拥有中国VCPE公司85%的关键人物。

  GLG拥有2.5万名专家,可以提供研究、尽职调查等服务。优士网会员可以加入到GLG的网络中,在中国扩充公司专业人才网。GLG还可以向优士网、优士问答的商业化发展提供咨询。

资源下载链接为: https://pan.quark.cn/s/140386800631 通用大模型文本分类实践的基本原理是,借助大模型自身较强的理解和推理能力,在使用时需在prompt中明确分类任务目标,并详细解释每个类目概念,尤其要突出类目间的差别。 结合in-context learning思想,有效的prompt应包含分类任务介绍及细节、类目概念解释、每个类目对应的例子和待分类文本。但实际应用中,类目和样本较多易导致prompt过长,影响大模型推理效果,因此可先通过向量检索缩小范围,再由大模型做最终决策。 具体方案为:离线时提前配置好每个类目的概念及对应样本;在线时先对给定query进行向量召回,再将召回结果交给大模型决策。 该方法不更新任何模型参数,直接使用开源模型参数。其架构参考GPT-RE并结合相关实践改写,加入上下文学习以提高准确度,还使用BGE作为向量模型,K-BERT提取文本关键词,拼接召回的相似例子作为上下文输入大模型。 代码实现上,大模型用Qwen2-7B-Instruct,Embedding采用bge-base-zh-v1.5,向量库选择milvus。分类主函数的作用是在向量库中召回相似案例,拼接prompt后输入大模型。 结果方面,使用ICL时accuracy达0.94,比bert文本分类的0.98低0.04,错误类别6个,处理时添加“家居”类别,影响不大;不使用ICL时accuracy为0.88,错误58项,可能与未修改prompt有关。 点是无需训练即可有较好结果,例子质、类目界限清晰时效果更佳,适合围绕通用大模型api打造工具;缺点是上限不高,仅针对一个分类任务部署大模型不划算,推理速度慢,icl的token使用多,用收费api会有额外开销。 后续可化的点是利用key-bert提取的关键词,因为核心词语有时比语意更重要。 参考资料包括
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值