VME7865RC V7865-23003 350-9300007865-230003 M

VME7865RC V7865-23003 350-9300007865-230003 M

VME7865RC 为了帮助我们的客户利用人工智能，我们建立了一系列不同规模和架构的基础模型，并精心选择了开源生成式人工智能模型。每个IBM培训的基础模型都汇集了来自IBM研究和开放研究社区的前沿创新。这些模型已经在IBM策划的数据集上进行了训练，这些数据集已被挖掘以删除仇恨、滥用和亵渎的文本（HAP）。

计划中有多个系列，第一个版本是Slate系列模型，代表仅编码器架构。这些仅支持编码器的架构模型对于许多企业NLP任务都是快速有效的，例如对客户反馈进行分类和从大型文档中提取信息。虽然它们需要特定于任务的标记数据进行微调，但它们也为客户提供了非生成性用例的最佳性价比权衡。这些Slate模型通过Jupyter笔记本和API进行微调。

为了弥补调整差距，V7865-23003提供了一个提示实验室，用户可以在生成式人工智能模型上使用提示工程与不同的提示进行交互，包括零镜头提示和少镜头提示。这允许用户完成不同的自然语言处理（NLP）功能任务，并利用IBM审查过的预训练开源基础模型。目前Prompt实验室提供编码器-解码器和仅解码器大型语言模型。

• 总结一下:VME7865RC 将包含特定领域内容的文本转换为个性化概述并捕捉要点（例如销售对话摘要、保险范围、会议记录、合同信息）
• 生成:为特定目的生成文本内容，例如营销活动、职位描述、博客或文章以及电子邮件起草支持。
• 摘录:分析现有的非结构化文本内容，以获得专业领域的见解，如审计加速、SEC 10K事实提取和用户研究结果。
• 分类:阅读书面输入并对其进行分类，例如客户投诉分类、威胁和漏洞分类、情感分析和客户细分。
• 问答:基于一组文档或动态内容，创建基于产品特定内容的问答功能，例如从广泛的知识库中构建问答资源以提供客户服务帮助。

我们的观点是，单一基础模型不会最适合广泛的企业用例。这就是为什么我们最初发布了五个开源模型作为Prompt实验室的一部分，这些模型来源于Hugging Face，也可以由第三方创作。