<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[westworld2017163com的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/westworld2017163com</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; westworld2017163com]]></copyright><item><title><![CDATA[对话式数据分析与Text2SQL Agent产品可行性分析思考]]></title><link>https://blog.youkuaiyun.com/westworld2017163com/article/details/148977596</link><guid>https://blog.youkuaiyun.com/westworld2017163com/article/details/148977596</guid><author>westworld2017163com</author><pubDate>Sat, 28 Jun 2025 16:20:01 +0800</pubDate><description><![CDATA[图片by商汤秒画]]></description><category></category></item><item><title><![CDATA[忍不住分享的Github阅读神器-Deepwiki深度使用]]></title><link>https://blog.youkuaiyun.com/westworld2017163com/article/details/148613892</link><guid>https://blog.youkuaiyun.com/westworld2017163com/article/details/148613892</guid><author>westworld2017163com</author><pubDate>Thu, 12 Jun 2025 17:17:31 +0800</pubDate><description><![CDATA[《产品经理的GitHub阅读神器：DeepWiki让代码理解变得简单》摘要：面对AI技术迭代，产品经理常需研读GitHub项目却苦于代码障碍。DeepWiki将GitHub网址替换为deepwiki.com即可自动生成可视化技术文档，如WrenAI项目的系统架构图和使用流程图。其Q&amp;A代理功能可直接解答代码疑问，无需依赖开发人员。该工具显著提升非技术人员理解效率，10分钟即可掌握项目全貌，适用于产品经理和技术小白，程序员也能借此提高阅读效率。访问deepwiki.com或直接修改GitHub链接即可]]></description><category></category></item><item><title><![CDATA[AI数学能力辩证｜对LLMs的数学高考全员高分的思考]]></title><link>https://blog.youkuaiyun.com/westworld2017163com/article/details/148559188</link><guid>https://blog.youkuaiyun.com/westworld2017163com/article/details/148559188</guid><author>westworld2017163com</author><pubDate>Tue, 10 Jun 2025 14:01:14 +0800</pubDate><description><![CDATA[本周隆重推荐来自大佬文章-关于AI大佬数字卡兹克的AI高考测评，看完又震惊又疑问。
    - 对于LLMs语文考得好，我一点也不意外。但对于数学，我充满了疑问。2025年数学高考卷top2大模型分数高达145，数字卡兹克测评的10个最低分也在124以上，说实话，经历过高考数学的理科生的我，我是有被辗轧的震惊感。
我有一个疑问？LLM的底层逻辑是文字接龙，为什么可以*稳定*考出高考高分？
    - 正文我先po一些我认可的很重要的AI领域观点，然后我们再把疑问破开看，里子充满了Agent的思路。]]></description><category></category></item><item><title><![CDATA[AIGC之表情包从0到1 开发实践]]></title><link>https://blog.youkuaiyun.com/westworld2017163com/article/details/148496278</link><guid>https://blog.youkuaiyun.com/westworld2017163com/article/details/148496278</guid><author>westworld2017163com</author><pubDate>Sat, 07 Jun 2025 16:35:19 +0800</pubDate><description><![CDATA[本文分享了使用AI工具快速制作并提交表情包的完整流程。作者结合云舒的教程，3小时内完成了从创意到审核的整个流程：1)用FastGPT平台和DeepSeek模型生成文案；2)用Lovart批量生成图片；3)通过在线工具处理图片并提交微信表情平台。文中特别推荐了DeepSeek模型在文案创作中的出色表现，以及Lovart在图片生成上的高效性。整个过程展示了AI工具如何简化创意生产，最终完成了一套以山西博物院貘尊文物为灵感的可爱表情包。]]></description><category></category></item><item><title><![CDATA[原创｜查询大数据级数据表的AI实现思路（Excel2SQL,Text2SQL）]]></title><link>https://blog.youkuaiyun.com/westworld2017163com/article/details/148170718</link><guid>https://blog.youkuaiyun.com/westworld2017163com/article/details/148170718</guid><author>westworld2017163com</author><pubDate>Fri, 23 May 2025 16:37:10 +0800</pubDate><description><![CDATA[为应对大数据查询需求，本文提出了一种结合LLM和SQL的解决方案，通过Text2SQL技术将用户问题转化为SQL查询，并利用LLM进行精准输出。具体流程包括：首先将Excel数据转换为SQL表结构并生成查询示例；其次，通过LLM将用户问题转化为SQL语句并执行；最后，将查询结果再次输入LLM生成最终回答。经过50条Excel数据和30个问题的测试，该方案达到了95%的正确率，有效解决了噪音和数学题等LLM的局限性问题。]]></description><category></category></item><item><title><![CDATA[Callcenter呼叫中心客服系统常用词汇表中英文对照]]></title><link>https://blog.youkuaiyun.com/westworld2017163com/article/details/147472903</link><guid>https://blog.youkuaiyun.com/westworld2017163com/article/details/147472903</guid><author>westworld2017163com</author><pubDate>Thu, 24 Apr 2025 10:56:41 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[前沿分享｜技术雷达202504月刊精华]]></title><link>https://blog.youkuaiyun.com/westworld2017163com/article/details/147426274</link><guid>https://blog.youkuaiyun.com/westworld2017163com/article/details/147426274</guid><author>westworld2017163com</author><pubDate>Tue, 22 Apr 2025 17:15:19 +0800</pubDate><description><![CDATA[AI产品经理视角分享 技术雷达202504月刊精华部分，附原文地址]]></description><category></category></item><item><title><![CDATA[前沿分享｜处理LLM幻觉问题-CoN｜笔记链：增强检索增强语言模型的鲁棒性]]></title><link>https://blog.youkuaiyun.com/westworld2017163com/article/details/146425618</link><guid>https://blog.youkuaiyun.com/westworld2017163com/article/details/146425618</guid><author>westworld2017163com</author><pubDate>Fri, 21 Mar 2025 17:27:39 +0800</pubDate><description><![CDATA[检索增强语言模型（RALMs）在大型语言模型的能力方面取得了重大进步，特别是在减少事实幻觉方面，这得益于外部知识来源的利用。CoN 的核心思想是为检索到的文档生成顺序阅读笔记，以便彻底评估其与给定问题的相关性，并将这些信息整合到最终答案中。此外，标准 RALMs 往往难以评估它们是否拥有足够的知识，无论是内在的还是检索到的，以提供准确的答案。EM 分数平均提高了+7.9，对于超出预训练知识范围的实时问题，拒绝率提高了+10.5。，甚至可能导致模型忽视其固有的知识，即使它拥有足够的信息来回答查询。]]></description><category></category></item><item><title><![CDATA[RAG+深入｜前沿论文以及思路分享]]></title><link>https://blog.youkuaiyun.com/westworld2017163com/article/details/146334438</link><guid>https://blog.youkuaiyun.com/westworld2017163com/article/details/146334438</guid><author>westworld2017163com</author><pubDate>Tue, 18 Mar 2025 12:18:21 +0800</pubDate><description><![CDATA[1. Uni-Parser：统一语义解析器，用于知识库和数据库上的问答
2. UniK-QA：开放域问答中结构化和非结构化知识的统一表示
3. RNG-KBQA：基于知识库问答的生成增强迭代排序
4. 端到端基于案例推理的常识知识库补全(Commomsense Knowledge Base Completion)
5. 在基于 RAG 的对话系统中生成建议问题的动态上下文]]></description><category></category></item><item><title><![CDATA[AIGC｜可视化文章总结卡片实现]]></title><link>https://blog.youkuaiyun.com/westworld2017163com/article/details/146336962</link><guid>https://blog.youkuaiyun.com/westworld2017163com/article/details/146336962</guid><author>westworld2017163com</author><pubDate>Tue, 18 Mar 2025 11:41:40 +0800</pubDate><description><![CDATA[个人越深入，越觉得Prompt提示词的上限真的非常高，
也需要耐心和细心，斯认为随着AI能力的加强会更重要，而不是越来越不重要。]]></description><category></category></item><item><title><![CDATA[产品经理knowhow｜电销系统]]></title><link>https://blog.youkuaiyun.com/westworld2017163com/article/details/146173901</link><guid>https://blog.youkuaiyun.com/westworld2017163com/article/details/146173901</guid><author>westworld2017163com</author><pubDate>Tue, 11 Mar 2025 11:18:26 +0800</pubDate><description><![CDATA[四、AI技术深度整合
-语音质检革命
全量通话实时转写：ASR准确率需达95%以上（专业领域定制词库）
违规自动标记：沉默超过8秒/坐席抢话/承诺过度等场景自动标红
话术有效性分析：关联成交结果反推最优话术结构
-智能外呼机器人
多轮对话引擎：支持打断、反问、上下文记忆（如："您刚才提到的保费问题..."）
声线克隆技术：定制化企业专属语音形象（需取得客户声纹授权）
人机切换无缝衔接：机器人遇复杂问题自动转人工+同步上下文]]></description><category></category></item><item><title><![CDATA[多模态｜开源多模态模型Emu3 & 多模态预训练模型CLIP对比]]></title><link>https://blog.youkuaiyun.com/westworld2017163com/article/details/145824152</link><guid>https://blog.youkuaiyun.com/westworld2017163com/article/details/145824152</guid><author>westworld2017163com</author><pubDate>Mon, 24 Feb 2025 11:42:08 +0800</pubDate><description><![CDATA[多模态模型Emu3介绍；Emu3 vs CLIP横向对比；补充介绍多模态预训练模型CLIP]]></description><category></category></item><item><title><![CDATA[AI多模态梳理与应用思考｜从单文本到多视觉的生成式AI的AGI关键路径]]></title><link>https://blog.youkuaiyun.com/westworld2017163com/article/details/145807668</link><guid>https://blog.youkuaiyun.com/westworld2017163com/article/details/145807668</guid><author>westworld2017163com</author><pubDate>Sun, 23 Feb 2025 12:40:27 +0800</pubDate><description><![CDATA[生成式AI正从“文本独舞”迈向“多感官交响”，多模态将成为通向AGI的核心路径。更深度的多模态模型有望像ChatGPT颠覆文字交互一样，重塑物理世界的智能化体验。]]></description><category></category></item><item><title><![CDATA[数字人｜通过语音和图片来创建高质量的视频]]></title><link>https://blog.youkuaiyun.com/westworld2017163com/article/details/145456658</link><guid>https://blog.youkuaiyun.com/westworld2017163com/article/details/145456658</guid><author>westworld2017163com</author><pubDate>Wed, 05 Feb 2025 16:14:11 +0800</pubDate><description><![CDATA[AniPortrait开源项目：数字人，图片语音合成底层框架。]]></description><category></category></item><item><title><![CDATA[分享｜LLM通过D-E-P-S完成长时间与多步骤的任务]]></title><link>https://blog.youkuaiyun.com/westworld2017163com/article/details/145443395</link><guid>https://blog.youkuaiyun.com/westworld2017163com/article/details/145443395</guid><author>westworld2017163com</author><pubDate>Tue, 04 Feb 2025 19:13:03 +0800</pubDate><description><![CDATA[描述、解释、计划和选择：使用大型语言模型进行交互式规划，实现开放世界的多任务代理。]]></description><category></category></item><item><title><![CDATA[自我成长｜我们为什么不快乐，跳出《时间贫困》]]></title><link>https://blog.youkuaiyun.com/westworld2017163com/article/details/145431883</link><guid>https://blog.youkuaiyun.com/westworld2017163com/article/details/145431883</guid><author>westworld2017163com</author><pubDate>Mon, 03 Feb 2025 18:13:44 +0800</pubDate><description><![CDATA[因为，时间自由度与生活快乐值息息相关。所以，我们会因为“忙碌”感到不快乐，“忙碌”让人无法去做喜欢或想做的事“忙碌”的生活让人连轴转，无法喘息，最终陷入恶性循环。]]></description><category></category></item><item><title><![CDATA[分享｜借鉴传统操作系统中分层内存系统的理念（虚拟上下文管理技术）提升LLMs在长上下文中的表现]]></title><link>https://blog.youkuaiyun.com/westworld2017163com/article/details/145392902</link><guid>https://blog.youkuaiyun.com/westworld2017163com/article/details/145392902</guid><author>westworld2017163com</author><pubDate>Thu, 30 Jan 2025 10:30:00 +0800</pubDate><description><![CDATA[提出了 MemGPT，通过类操作系统的分层内存系统的虚拟上下文管理技术，提升 LLMs 在复杂人物（eg.长文档分析、多会话聊天）的表现。]]></description><category></category></item><item><title><![CDATA[分享｜ RL-GPT 框架通过慢agent和快agent结合提高AI解决复杂任务的能力-Arxiv]]></title><link>https://blog.youkuaiyun.com/westworld2017163com/article/details/145395094</link><guid>https://blog.youkuaiyun.com/westworld2017163com/article/details/145395094</guid><author>westworld2017163com</author><pubDate>Wed, 29 Jan 2025 21:10:30 +0800</pubDate><description><![CDATA[RL-GPT 框架为解决大语言模型在复杂任务处理中的难题提供了创新有效的途径，以解决大语言模型（LLMs）在处理复杂逻辑和精确控制方面的局限性。
引入两级分层框架 RL - GPT，包含慢智能体和快智能体。]]></description><category></category></item><item><title><![CDATA[分享｜通过Self-Instruct框架将语言模型与自生成指令对齐]]></title><link>https://blog.youkuaiyun.com/westworld2017163com/article/details/145392693</link><guid>https://blog.youkuaiyun.com/westworld2017163com/article/details/145392693</guid><author>westworld2017163com</author><pubDate>Wed, 29 Jan 2025 12:36:37 +0800</pubDate><description><![CDATA[大型 “指令调整” 语言模型展现出对新任务的零样本泛化能力，但严重依赖人类编写的指令数据。然而，这些人类编写的指令数据在数量、多样性和创造性上存在局限，这阻碍了模型的通用性。通过 大型 “指令调整” 语言模型...]]></description><category></category></item><item><title><![CDATA[分享｜instructionfine-tuning 指令微调是提高LLM性能和泛化能力的通用方法]]></title><link>https://blog.youkuaiyun.com/westworld2017163com/article/details/145383184</link><guid>https://blog.youkuaiyun.com/westworld2017163com/article/details/145383184</guid><author>westworld2017163com</author><pubDate>Mon, 27 Jan 2025 22:25:10 +0800</pubDate><description><![CDATA[在一组以指令形式表达的数据集上微调语言模型可以提高模型性能和对看不见的任务的泛化。]]></description><category></category></item></channel></rss>