weixin_45628805的博客

原创 基于大模型的知识图谱构建与应用培训班讲座

基于大模型智能体的知识发现与数据科学应用

原创 生成式AI、大模型、知识图谱与大模型培训班讲习资料

3.提示词实操：明确具体任务、利用上下文、使用不同的语气、角色扮演、zero shot, one shot, few shot、零样本思维链提示、生成知识提示。六、Transformer中的Feed-Forward Networks。引入：大模型通义千问、智谱、百川、DeepSeek等的使用。三、Multi-Head Attention 的设计与作用。3.大模型的使用：通义千问、智谱、百川、DeepSeek。二、Self-Attention机制的原理与计算过程。八、Transformer模型中的残差连接。

原创 知识图谱与大模型培训班资料分享

知识图谱增强大模型能力，通过知识图谱嵌入（如ERNIE ）和图谱三元组输入，将实体关系向量融入大模型预训练，增强语义理解与逻辑推理能力。基于大模型的生成能力预测缺失关系（如链接预测技术），并结合逻辑规则校验（如规则挖掘框架DeepOnto）提升图谱完整性38。利用知识图谱生成推理路径可视化（如LMExplainer工具），结合图注意力网络解析大模型决策逻辑，提高可信度9。建立知识图谱与大模型的动态双向反馈，如大模型生成假设→知识图谱验证→结果反哺模型微调的闭环系统9。二、大模型赋能知识图谱构建与优化。

原创 知识图谱与大模型：双轮驱动的认知智能革命

知识图谱以三元组（头实体-关系-尾实体）构建结构化知识网络2，具备精准的事实表述能力与符号推理优势，但其动态更新成本高、文本背景理解能力弱。大模型通过海量参数隐式存储知识，展现强大的语言生成与上下文理解能力，但存在"幻觉"、可解释性差、领域知识不足等缺陷。强化学习机制：通过奖励函数将知识图谱约束融入生成过程，OpenAI的WebGPT已实现基于知识验证的答案优化。智能制造：工业知识图谱与视觉大模型协同，实现设备故障的跨模态诊断，某汽车厂商应用后运维效率提升40%。大模型的确定性知识缺失与推理不可控。

原创 百度文心大模型4.5震撼上线！免费体验颠覆性AI新能力，对标国际顶流

理解力飞跃：可解析图形推理、图表分析，甚至能读懂“梗图”、漫画、电影等复杂多模态内容，兼具理性逻辑与感性洞察245]。长思维链：支持中文知识问答、文学创作、逻辑推理等长链条任务，性能对标DeepSeek-R1，价格却仅为后者一半36]。开发者与企业：通过百度智能云千帆平台调用模型，文心4.5已上线，X1即将开放，低成本打造行业解决方案。多工具联动：可调用代码解释器、AI绘图、文档分析等工具，自主生成代码、图表及商业分析报告57]。生成力升级：支持文字、图片、音频、视频的综合生成，满足全场景创作需求5]。

原创 知识图谱与大模型协同（KG + LLM）

知识图谱（KG）与大语言模型（LLM）的结合是当前人工智能领域的重要研究方向，两者优势互补可显著提升知识表示、推理和应用的智能化水平。将文本的非结构化知识与KG的结构化知识统一编码，例如通过图神经网络（GNN）捕捉KG关系，结合LLM的语义表示，形成多模态知识嵌入16。联合优化目标：如KEPLER模型，将KG的嵌入优化目标与语言模型目标结合，实现文本与图谱的统一表示13。检索增强生成（RAG）：结合KG的向量索引，动态补充最新知识，解决大模型知识更新滞后的问题67。

原创 AIGC技术在跨模态领域的应用技术

AIGC技术不仅可以用于自动生成文章、绘画、音乐等创意作品，还能进行图片编辑、风格转换、缺陷修复等工作，极大地提高了图像处理的效率和质量。情感分析也是这一领域的重要组成部分，通过分析图像、视频和音频中的情感，并与文本描述进行匹配，以更准确地理解内容2。在教育领域，AIGC技术可以用于个性化教学和生成结合文本、图像和视频的学习材料。利用AIGC技术生成与给定文本描述相匹配的图像，或者根据图像生成描述性文本。跨模态内容生成：实现文本、图像、音频、视频等多种模态内容的融合生成1。

原创 多模态大模型：跨模态融合与生成式智能的演进

多模态大模型（Multimodal Large Model）是能够同时处理和理解多种类型数据（如文本、图像、音频、视频等）的人工智能模型。它通过跨模态学习和联合推理，突破了传统单模态模型的局限性，在信息整合、生成和交互方面展现出更强的能力。关键技术包括自监督学习（如CLIP通过对比学习对齐图像和文本）3，以及多模态特征融合（单流或多流Transformer结构）2。支持跨模态信息转换，如根据文本生成图像（DALL·E）、基于图像生成描述。多模态幻觉：生成内容与输入不一致问题（需优化对齐策略）。

原创 视觉大模型：引领未来图像与视频处理的革新力量

在人工智能技术飞速发展的今天，视觉大模型（Vision Large Models）正以强大的特征提取、多模态融合与生成能力，重塑图像与视频处理的边界。未来，随着算法优化与生态完善，视觉大模型将进一步突破技术边界，在确保安全与伦理的前提下，为人类开启一个更智能、更创意的视觉新纪元。大模型在图像分类、目标检测、语义分割等任务中表现卓越。豆包发布的VideoWorld模型首次实现纯视觉信号学习，无需依赖语言模型即可完成推理与决策任务，例如在围棋对弈中达到专业水平，展现了视觉大模型在复杂逻辑任务中的潜力8。

原创 知识图谱构建与应用培训班-课件分享1

《深度学习、深度强化学习、知识图谱、嵌入式人工智能》技术培训班学习笔记，全部资料请 + BJZLFF

原创 深度学习培训班-分享--对抗生成网络

The End

原创 深度强化学习培训班-强化学习应用分享

原创 【假期学习计划】深度强化学习算法与应用培训班

深度强化学习应用与实战培训班内容一、强化学习概述二、马尔科夫决策过程1.马尔可夫性2.马尔可夫决策过程3.策略与价值4.最优化原理5.MDPs扩展三、动态规划1.动态规划2.价值迭代3.策略迭代4.迭代策略评估5.广义策略迭代6.维数灾a.python环境下简单扫地机器人环境b.价值迭代python实现c.策略迭代python实现d.迭代策略评估python实现四、无模型预测学习1.蒙特卡洛方法2.时间差分学习3.n-步回报4.TD(lambda)5.资格迹