大模型时代丨政务办公，如何从大模型中巧借力？

转载 于 2023-12-21 18:00:12 发布 · 158 阅读 · 0 ·
CC 4.0 BY-SA版权
原文链接：https://mp.weixin.qq.com/s?__biz=MzU1OTgxMTg2Nw==&mid=2247508085&idx=2&sn=2651b4091fb08be38783adfde290a6c1&chksm=fd4d0f8e875b4639cf5772142ffab35b34ad25da18510d36796ec8afbda28539c5191dbed58b&scene=126&sessionid=0
文章标签：

#政务

本文探讨了协同办公应用，尤其是政务场景下，如何利用大模型进行文书理解、会议总结等任务，同时强调了在满足严谨要求下的模型训练、部署和使用策略。

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

0a6437ed2c61e3029613bfe45f54ae17.gif

医疗健康，直播娱乐，聊天工具，通勤支付

应用融入了我们生活的方方面面。

协同办公应用，因具有丰富的文书理解、会议总结、对话摘要等人机交互需求，

成为大模型落地产业的最佳应用场景之一

而相较普通办公场景

政务场景下的协同办公对模型训练、部署、使用提出了更严谨的要求

这一期，我们将探讨，政务办公是如何从大模型中巧借力的。

cc250299344bbbe6c538f99d9a6453f6.jpeg

-end-

博客
大语言模型在电商定价中的实践
07-23 48
在每一步推理中，模型会生成多个候选解，通过过程奖励选取当前阶段中质量较高、潜在价值较大的候选保留，并将其作为下一阶段的扩展起点。准确性：之前的线上的传统深度学习模型是针对文具、办公用品等少数品类进行定制化开发的，包含了大量专门设计的特征，因此难以扩展到全品类，对从常见三级类目中随机抽取一定量商品进行测试，整体准确率仅为44%。而在我们的优化中，引入了过程奖励设计：我们在每一步中设置过程奖励，同时考虑后续步骤的奖励并将其累积到前面的步骤中，从而确保初期关键token也能获得合理的reward。
博客
前端调试实践
07-21 694
本文介绍了断点调试、sources面板和日常使用到的一些调试技巧，帮助我们在后续的开发中，提供一些新角度、新方式来解决问题，翻倍提高我们的开发效率。
博客
B端体验深耕-洞察用户需求，打造心有灵犀的使用体验
07-21 742
我们常以“心有灵犀”来形容与合作伙伴的默契配合，若我们的产品能与用户达到同样的默契，将极大地提升用户在任务旅程中的流畅体验。在B端体验设计领域，我们深知用户对我们产品的期待───快速完成任务、即用即走；然而，随着业务需求和产品功能的不断扩展，流程复杂化、功能冗余、信息过载和引导不足等问题逐渐浮现，这不仅增加了新用户的学习成本，也使得老用户丧失了使用产品时的专注和效率。为应对这些挑战，上一篇文章《
博客
Spring 拦截器：你的请求休想逃过我的五指山！
07-21 317
WebApplicationContext是Spring Web应用的IoC容器扩展，它继承自ApplicationContext，并添加了Web应用特有的功能。拦截器通过WebApplicationContext进行注册和管理，成为请求处理管道的一部分。在Spring框架中，拦截器(Interceptor)是一种强大的机制，它允许开发者在请求处理的不同阶段插入自定义逻辑。WebApplicationContext作为Spring Web应用的上下文容器，为拦截器的配置和管理提供了基础支持。
博客
Spring 拦截器：你的请求休想逃过我的五指山！[特殊字符][特殊字符][特殊字符]
07-18 229
在Spring框架中，拦截器(Interceptor)是一种强大的机制，它允许开发者在请求处理的不同阶段插入自定义逻辑。WebApplicationContext作为Spring Web应用的上下文容器，为拦截器的配置和管理提供了基础支持。拦截器主要作用于以下场景：权限验证日志记录性能监控事务管理通用行为注入等。
博客
揭秘Chrome DevTools：从原理到自定义调试工具
07-18 572
CDP（Chrome DevTools Protocol）是Chrome DevTools与浏览器内核通信的协议。它基于WebSocket，允许开发者通过发送JSON格式的命令来控制浏览器行为，并获取调试信息。通过 CDP，DevTools 能够实时与页面交互，实现断点调试、性能分析等功能。为何需要自定义调试工具？DevTools 的局限性▪针对网页设计。
博客
如何一眼定位SQL的代码来源：一款SQL染色标记的简易MyBatis插件
07-18 971
答：org.mybatis:mybatis 版本较低。可以将sword-mybatis-plugins 升级至 1.0.5-SNAPSHOT 或之上版本，对低版本 mybatis 做了兼容。
博客
前沿论文分享 | 京东零售技术团队5篇论文入选SIGIR 2025
07-18 234
这些两阶段算法存在一定局限性：首先，GSU 需要为不同的目标物品检索不同的目标子序列，这使得 ESU 只能采用次优的 MHTA 网络，而非更有效的基于 Transformer 的网络；针对电商相关性判别场景所面临的难样例数据稀缺，线上浅层模型推理判别能力较弱的问题，本文提出了基于思维链推理的相关性大模型，自动分析在线曝光商品并生成领域特定的难样本，并通过KTO强化学习算法自动对齐线上用户行为。利用判别器的反馈信号，我们训练了一个多目标对齐的买词生成器，以最大化这三个目标的综合效果。
博客
纯配时效服务-双Redis集群设计
07-16 789
纯配时效服务作为物流下单环节中计算时效的重要组成部分，直接决定了下单的成功与否。其性能与稳定性至关重要，因为它们直接影响整个物流下单系统的运行效率及客户满意度。一个高效且稳定的纯配时效服务能够确保预计送达时间准确无误地展示给用户，从而提升客户体验和信任度。反之，若纯配时效服务出现故障或延迟，可能会导致订单处理延误，甚至影响客户的业务运营。因此，在设计和维护纯配时效服务时，必须确保其具备高可靠性和快速响应能力，以应对各种突发情况，确保物流链条的顺畅运行。
博客
工作中对InheritableThreadLocal使用的思考
07-16 1014
作者：京东科技 王奕龙代码评审时，发现在线程池中使用InheritableThreadLocal上下文会使其中的线程变量失效，无法获取到预期的变量值，所以对问题进行了复盘和总结。
博客
京东广告基于Apache Doris的冷热数据分层实践
07-16 780
京东广告围绕Apache Doris建设广告数据存储服务，为广告主提供实时广告效果报表和多维数据分析服务。历经多年发展，积累了海量的广告数据，目前系统总数据容量接近1PB，数据行数达到18万亿行+，日查询请求量8,000万次+，日最高QPS2700+。随着业务的不断增长与迭代，数据量持续激增，存储资源逐渐成为瓶颈。近两年存储资源经历了多次扩容，存储容量增加了近十倍，而日查询请求量仅增长两倍。同时，计算资源的利用率因频繁扩容而相应降低，导致资源浪费。
博客
基于业务知识和代码库增强的大模型生成代码实践
07-14 638
阶段1 - 基础应用 李明首先整理了团队日常使用大模型的常见场景：•研发人员用AI生成基础代码片段•测试人员用AI编写测试用例•产品经理用AI辅助撰写需求文档 这些基础应用虽然简单，但确实提高了部分工作效率。阶段2 - 知识整合 在取得初步成效后，李明开始着手解决更深层的问题：1.建立了系统维度的知识库模版，确保关键文档都能被有效收录2.开发了智能检索功能，不仅能给出答案，还能定位到具体文档位置3.通过知识库建设，反向推动了各部门完善文档沉淀。
博客
京东携手HarmonyOS SDK首发家电AR高精摆放功能
07-14 923
此次发布的‘AR高精摆放’功能，不仅是京东3D产品矩阵的重要组成，也是京东布局‘3D信息流’的关键一步，”京东XR创新团队负责人表示，“未来，京东将继续以技术驱动体验升级，持续优化3D引擎、拓展AIGC能力，并与更多品牌合作，共同探索3D信息流时代的无限可能。用户只需通过手机摄像头扫描现实世界的环境，系统即可自动识别空间结构并计算空间尺寸，随后将京东平台上的家电商品以1:1比例的3D模型呈现在用户真实环境中，以虚实融合实现真正的“所见即所得”。
博客
LambdaQueryWrapper遇上@Async
07-14 786
LambdaQueryWrapper是MyBatis-Plus提供的一种类型安全的查询条件构造器，它利用Java 8的Lambda表达式特性，避免了硬编码字段名，提高了代码的可读性和可维护性。默认情况下，@Async使用SimpleAsyncTaskExecutor，这不是生产环境的最佳选择。@OverrideMyBatis-Plus的LambdaQueryWrapper与Spring Boot的@Async注解的结合，为Java后端开发提供了强大的工具组合。
博客
LambdaQueryWrapper遇上@Async
07-09 491
MyBatis-Plus的LambdaQueryWrapper与Spring Boot的@Async注解的结合，为Java后端开发提供了强大的工具组合。LambdaQueryWrapper是MyBatis-Plus提供的一种类型安全的查询条件构造器，它利用Java 8的Lambda表达式特性，避免了硬编码字段名，提高了代码的可读性和可维护性。最近在测试业务需求时通读了研发指定需求的代码，发现研发大佬们用到了如下的内容，有些内容我还不是十分的清楚，比如下述真实代码；
博客
京东零售基于国产芯片的AI引擎技术
07-08 1038
作者：京东零售 李杰峰。
博客
企业和个人基于业务知识和代码库增强的大模型生成代码实践
07-08 1052
阶段1 - 基础应用 李明首先整理了团队日常使用大模型的常见场景：•研发人员用AI生成基础代码片段•测试人员用AI编写测试用例•产品经理用AI辅助撰写需求文档 这些基础应用虽然简单，但确实提高了部分工作效率。阶段2 - 知识整合 在取得初步成效后，李明开始着手解决更深层的问题：1.建立了系统维度的知识库模版，确保关键文档都能被有效收录2.开发了智能检索功能，不仅能给出答案，还能定位到具体文档位置3.通过知识库建设，反向推动了各部门完善文档沉淀。
博客
Java的SPI机制详解
07-08 963
SPI（Service Provicer Interface）是Java语言提供的一种接口发现机制，用来实现接口和接口实现的解耦。简单来说，就是系统只需要定义接口规范以及可以发现接口实现的机制，而不需要实现接口。SPI机制在Java中应用广泛。例如：JDBC中的数据库连接驱动使用SPI机制，只定义了数据库连接接口的规范，而具体实现由各大数据库厂商实现，不同数据库的实现不同，我们常用的mysql的驱动也实现了其接口规范，通过这种方式，JDBC数据库连接可以适配不同的数据库。
博客
基于业务知识和代码库增强的大模型生成代码实践
07-08 73
抱着试试看的心态，他写了个简单的脚本，把公司文档库里的需求文档和代码提交记录做了关联索引。当李明训训练好一个基本的智能体后，当产品经理再次询问某个历史功能时，李明腿间了这个智能体，产品经理查到了两年前的需求，并且还可以做解释。ps:此处以DIFY（大模型工作流平台）为例，对于在企业内部的小伙伴要注意权限敏感问题，强烈建议使用各自的内部的大模型平台工具，否则会有法律风险，涉及代码安全。深夜的办公室里，李明盯着屏幕上复杂的代码，突然萌生了一个想法：如果能把这些零散的知识点都串联起来，是不是就能解决现在的问题？
博客
京点点AI试衣×主图A/B实验，时尚商家订单转化率提升80%+实战路径​
07-04 165
AI 难以精确地还原服装的版型，尤其是一些复杂的款式，如蓬松的裙摆、多层次的叠穿效果、长款服装等。在训练阶段，该机制可根据输入服饰品类（如上装、下装、连衣裙等）自动调整mask生成策略，使系统在处理不同款式及材质服饰时，始终保持稳定且真实的试穿效果，切实实现“一键换装，所见即所得”的极致用户体验。从目前SKU生成不同风格素材的单一维度，到生成不同用户年龄、体型（如梨形/苹果型）、肤色等，甚至特殊群体（孕妇、残障人士）的全维度商品素材，并模拟面料垂坠感、光影效果，让同一件商品可以适配于不同用户特征。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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