課程簡介
從語言、多模態(tài)融合到智能體（Agent）等多個維度，深入剖析大模型技術(shù)為人工智能領(lǐng)域帶來的革命性變革，以及大模型與傳統(tǒng)機器學(xué)習(xí)方法的本質(zhì)區(qū)別，揭示大模型在性能、泛化能力和應(yīng)用場景上的顯著優(yōu)勢。并用通俗易懂的講解方式大模型技術(shù)怎么實現(xiàn)突破的。
目標收益
培訓(xùn)對象
課程大綱
| 大模型的技術(shù)創(chuàng)新和突破 | 從大語言模型、多模態(tài)模型到Agent模型，技術(shù)的突破以及對業(yè)務(wù)的影響 |
| 大模型應(yīng)用范式 |
2.1 大模型時代，企業(yè)核心競爭力構(gòu)建新范式； 2.2 企業(yè)大模型如何選型； 2.3 企業(yè)如何微調(diào)自己的大模型； 2.4 智能體編排-LLM在復(fù)雜業(yè)務(wù)場景的應(yīng)用方法； |
| 大模型實踐案例 |
3.1 客服Agent實踐案例； 3.1.1 稅友稅務(wù)問答智能助手：基于稅務(wù)大模型+知識圖譜，服務(wù)效率提升58%，服務(wù)滿意度提升83%。 3.1.2 保時捷客服培訓(xùn)系統(tǒng)，運營成本每年減少200萬，考核分提升20%。 3.1.3 索尼智能客服導(dǎo)購，轉(zhuǎn)人工率下降30%，用戶滿意度保持95%不下降。 3.2 釘釘財稅場景PC-Agent操控案例； 釘釘財稅Agent降低財務(wù)每月開發(fā)票時間下降70%。 3.3 醫(yī)學(xué)多模態(tài)大模型應(yīng)用實踐案例； 基于多模態(tài)大模型訓(xùn)練后的醫(yī)療影像大模型，準確率達到85%以上，達到5年工作的醫(yī)生水平。 3.4 智能文檔分析：ChatPDF重塑金融文檔解讀與商業(yè)決策 國內(nèi)頭部金融數(shù)據(jù)公司，針對金融分析師研發(fā)的智能文檔分析平臺，顯著提升分析信息收集、分析以及決策的效率。 |
|
大模型的技術(shù)創(chuàng)新和突破 從大語言模型、多模態(tài)模型到Agent模型，技術(shù)的突破以及對業(yè)務(wù)的影響 |
|
大模型應(yīng)用范式 2.1 大模型時代，企業(yè)核心競爭力構(gòu)建新范式； 2.2 企業(yè)大模型如何選型； 2.3 企業(yè)如何微調(diào)自己的大模型； 2.4 智能體編排-LLM在復(fù)雜業(yè)務(wù)場景的應(yīng)用方法； |
|
大模型實踐案例 3.1 客服Agent實踐案例； 3.1.1 稅友稅務(wù)問答智能助手：基于稅務(wù)大模型+知識圖譜，服務(wù)效率提升58%，服務(wù)滿意度提升83%。 3.1.2 保時捷客服培訓(xùn)系統(tǒng)，運營成本每年減少200萬，考核分提升20%。 3.1.3 索尼智能客服導(dǎo)購，轉(zhuǎn)人工率下降30%，用戶滿意度保持95%不下降。 3.2 釘釘財稅場景PC-Agent操控案例； 釘釘財稅Agent降低財務(wù)每月開發(fā)票時間下降70%。 3.3 醫(yī)學(xué)多模態(tài)大模型應(yīng)用實踐案例； 基于多模態(tài)大模型訓(xùn)練后的醫(yī)療影像大模型，準確率達到85%以上，達到5年工作的醫(yī)生水平。 3.4 智能文檔分析：ChatPDF重塑金融文檔解讀與商業(yè)決策 國內(nèi)頭部金融數(shù)據(jù)公司，針對金融分析師研發(fā)的智能文檔分析平臺，顯著提升分析信息收集、分析以及決策的效率。 |
近期公開課推薦
