大模型时代丨电商内容营销的AIGC式进化

于 2023-12-06 18:00:50 发布
阅读量89 收藏
点赞数
文章标签： AIGC
原文链接：https://mp.weixin.qq.com/s?__biz=MzU1OTgxMTg2Nw==&mid=2247508003&idx=2&sn=4eee9640f2882f25ba08eb9a8c22f86e&chksm=fdaaf2064ecb47d608ffb124c15e81f1f375a1195be11e12ee201ab8133f400185316f186d10&scene=126&sessionid=0
版权

ba69742561af6e6b95a1aa645c1cb60d.gif

以大模型为驱动的 AIGC 应用指数级迭代

在各应用领域，不同的任务需求、数据集、算法，带来了巨大的AIGC应用差异。

在电商内容营销领域，最终用户关注什么？

如何针对任务需求持续优化调整？

如何打造高质量的数据集，为AIGC模型提供优质训练基础？

12月8日（本周五）14:00

将带您了解如何利用AIGC生成适合电商场景的高质量商品图文内容

如果对AIGC技术和电商内容营销有兴趣

或者想了解更多关于这些领域的实用技术和方法

不要错过这场技术直播喔！

一起探索AIGC在电商内容营销的无限可能！

9d2183b8e8a2e631f6197ec80ca1ce9a.png

-end-

博客
【内部业务支撑】智能规划算法赋能供应链降本增效
05-12 500
供应链规划属于战略层，是供应链的上游环节，规划层面的调整将对供应链的下游环节带来巨大的变化和深远的影响，牵一发而动全身，需要以全局视角，对众多环节及策略的成本、效率、体验指标进行评估，当中涉及大量数据、众多分析维度、多环节串联等问题，依赖人工分析将耗费大量的时间精力。供应链规划算法可以在广度和深度两个方向上，为业务进行赋能：通过运筹模型、高效寻优算法，帮助业务完成复杂问题的计算和最优组合的搜索，拓展组合寻优范围；
博客
财务合同MCP实践
05-12 127
作者：CHO 李航。
博客
EI与MCP的故事
05-12 722
调用方式不同也需要开发者依赖并适配。至此，一个标准化的通信协议则成为了下一个爆点。
博客
财务合同MCP实践
05-07 242
随着MCP的普及，能否从业务角度，以MCP化的交互方式让业务简单通过自然语言描述进行对系统的操作，从而带来成本更低更便捷更快的体验。ii. 通过MCP client进行MCP匹配调用-如果不在上文中的合同列表内则大模型会先进行查询确保合同有效。iii. 用户确认后调用合同查询MCP server。ii. 通过MCP client进行MCP匹配调用。iii. 查询结束自动调用延期MCP server。i. question: 请帮我查询待签署的合同。i. 通过自然语言描述我希望延期的合同。
博客
鸿蒙跨端实践-揭秘视图渲染流程
05-07 557
通过本文你将全面清晰的洞悉动态化跨端的实现原理，感受黑悟空（数据）一路打怪升级（在不同语言环境中流转改造），逆天改命（操控原生视图绘制），终成齐天大圣（完成视图渲染呈现）的艰辛历程。动态化- 罗码（Roma，后文统称动态化）是一个完全自主研发的一站式跨平台解决方案，一份代码，可以在 Android、iOS、Harmony 及 Web 上运行。动态化的跨端原理与 React Native 、Weex 一致，在吸取业界各跨端框架优势的基础上，加上自主创新，打造的一个完全自主可控的综合跨端解决方案。
博客
AI大模型快速生成题库-助力业务人效提升10+倍
05-07 912
通过AI大模型帮助用户进行培训试题的生成，在一定程度上将用户从低效、低技术含量、大工作量中解放出来，是面向用户痛点的一次尝试。同时通过该场景将大模型的能力和业务场景及工程系统结合了起来，让用户得到感知，也便于后续更多的大模型实践场景的发掘和落地。该案例不仅用在航空领域，在其他诸多需要生成试题，生成问卷等相关场景方面都可进行参考和尝试。当前现在试题生成能力也仅是实现在从0到1的落地建设，能力需要不断的打磨和完善，后续会逐步进行1到100，100到∞的升级。
博客
AI对话魔法｜Prompt Engineering 探索指南
05-07 731
想象一下，你在和一个智能助手聊天，你需要说出非常清晰和具体的要求，才能得到你想要的答案。Prompt Engineering 就是设计和优化与AI对话的“提示词”或“指令”，让AI能准确理解并提供有用的回应。
博客
分库分表后复杂查询的应对之道：基于DTS实时性ES宽表构建技术实践
05-06 626
作者：京东物流 王军。
博客
探索虚拟线程：原理与实现
05-06 587
作者：京东物流 孙强在Loom项目之前，Java虚拟机（JVM）中的线程是通过类型来实现的，这些线程被称为平台线程。然而，平台线程的创建和维护在资源使用上存在显著的开销。首先，创建成本不菲，因为每当操作系统需要创建一个新的平台线程时，它必须分配大量的内存（通常以兆字节计）来存储线程的上下文信息、本机栈和Java调用栈。这一过程受到固定大小堆栈的限制，导致创建和调度平台线程时的开销在空间和时间上都相当巨大。此外，当调度器需要从当前执行的线程中抢占时，必须处理大量内存的移动，这进一步增加了操作的复杂性和成本。
博客
研发排查问题的利器：一款方法调用栈跟踪工具
05-06 623
作者：京东物流 郭忠强在系统值班时，经常会有人拿着报错截图前来咨询，作为值班研发，我们则需要获取尽可能多的信息，帮助我们分析报错场景，便于排查识别问题。例如，下图就是一个常见的的报错信息截图示例。从图中，我们可以初步获取到一些信息：•菜单名称：变更单下架，我们这是变更单下架操作时的一个报错提醒。•报错信息：序列号状态为离库状态，请检查。•其他辅助信息：例如用户扫描或输入的86开头编码，SKU、商品名称、储位等。这时会有一些常见的排查思路：1、根据提示，将用户输入的86编码，按照提示文案去检查用户数据，即作为
博客
日志框架简介-Slf4j+Logback入门实践
04-30 660
随着互联网和大数据的迅猛发展，分布式日志系统和日志分析系统已广泛应用，几乎所有应用程序都使用各种日志框架记录程序运行信息。因此，作为工程师，了解主流的日志记录框架非常重要。虽然应用程序的运行结果不受日志的有无影响，但没有日志的应用程序是不完整的，甚至可以说是有缺陷的。优秀的日志系统可以记录操作轨迹监控系统运行状态和解决系统故障。在上文中已经提及，目前常用的日志框架有 Log4j，Log4j 2，Commons Logging，Slf4j，Logback，JUL。
博客
java浅拷贝BeanUtils.copyProperties引发的RPC异常
04-30 268
作者：吴义近期参与了一个攻坚项目，前期因为其他流程原因，测试时间已经耽搁了好几天了，本以为已经解决了卡点，后续流程应该顺顺利利的，没想到 人在地铁上，bug从咚咚来~没有任何修改的服务接口，抛出异常：java.lang.ClassCastException: java.util.HashMap cannot be cast to cn.xxx.xxx.xxx.xxx.BatchInfo1、作为资深写bug的老司机，第一感觉是传参的报文格式有问题了，可以通过模拟报文排查。于是乎，在群里圈了服务提供方同学B看下
博客
大数据从业者必知必会的Hive SQL调优技巧
04-30 642
在HDFS中，每个小文件对象约占150字节的元数据空间，如果有大量的小文件存在，将会占用大量的内存资源。根据集群的配置和资源情况，合理调整Hive查询的并行度和资源分配，可以提高查询的并发性和整体性能。COUNT DISTINCT操作需要用一个Reduce Task来完成，这一个Reduce需要处理的数据量太大，就会导致整个Job很难完成，一般COUNT DISTINCT使用先GROUP BY再COUNT的方式替换，虽然会多用一个Job来完成，但在数据量大的情况下，这个绝对是值得的。
博客
Taro on Harmony ：助力业务高效开发纯血鸿蒙应用
04-29 829
Taro 是由京东发起并维护的开放式跨端跨框架解决方案，支持以 Web 的开发范式来实现小程序、H5、原生 APP 的跨端统一开发，从 18 年开源至今，在 GitHub 已累计获得 36,000+ Stars。
博客
自己写插件-实现时间戳自由
04-29 719
根据这个小小的实例，可以掌握浏览器与插件信息传输以及使用的方式，非常适合想要写插件但不知道从何下手的uu。下一步则会优化一下页面交互和展示，比如增加复制按钮、美观性提升、以及在使用过程中发现的其他问题。如果有其他的想法欢迎交流。
博客
【前瞻技术布局】打破“沙漏“现象→提高生成式搜索/推荐的上限
04-27 1077
生成式搜索/推荐在搜索和推荐系统中已经成为一种创新的范式，它通过使用基于数值的标识符来提升效率和泛化能力。特别是在电子商务领域，像TIGER这样的方法使用基于残差量化的语义标识符（RQ-SID），表现出了很大的潜力。然而，RQ-SID面临一个被称为“沙漏”现象的问题，即中间码本令牌过于集中，限制了生成式搜索/推荐方法的全面发挥。本文通过研究发现，路径稀疏和长尾分布是造成这一问题的主要原因。我们通过一系列详细的实验和消融研究，分析了这些因素对码本利用率和数据分布的影响。
博客
设计模式-策略模式
04-27 230
作者： 京东工业 孙磊。
博客
【前瞻技术布局】打破“沙漏“现象→提高生成式搜索/推荐的上限
04-27 178
该方法在选择性移除不太重要的tokens的同时，保留了最有信息量的tokens，即使在移除大量数据的情况下，也能提升模型性能。解决沙漏现象的方法有多种，在此简单的从分布角度提出两种简单易行的方法：一种启发式的方法是直接移除第二层，从而消除长尾效应的影响。需要注意的是，这里首先要生成一个L层的语义ID（SID），然后再移除第二层，这与直接生成一个两层的SID不同，因为后者可能仍然存在大的路由节点。通过上述实验，不仅确认了“沙漏”效应的存在，还阐明了其对模型性能的具体影响，从而为未来的优化提供了坚实的基础。
博客
【前瞻技术布局】打破“沙漏“现象→提高生成式搜索/推荐的上限
04-27 120
该方法在选择性移除不太重要的tokens的同时，保留了最有信息量的tokens，即使在移除大量数据的情况下，也能提升模型性能。解决沙漏现象的方法有多种，在此简单的从分布角度提出两种简单易行的方法：一种启发式的方法是直接移除第二层，从而消除长尾效应的影响。需要注意的是，这里首先要生成一个L层的语义ID（SID），然后再移除第二层，这与直接生成一个两层的SID不同，因为后者可能仍然存在大的路由节点。通过上述实验，不仅确认了“沙漏”效应的存在，还阐明了其对模型性能的具体影响，从而为未来的优化提供了坚实的基础。
博客
【前瞻技术布局】打破“沙漏“现象→提高生成式搜索/推荐的上限
04-27 135
该方法在选择性移除不太重要的tokens的同时，保留了最有信息量的tokens，即使在移除大量数据的情况下，也能提升模型性能。解决沙漏现象的方法有多种，在此简单的从分布角度提出两种简单易行的方法：一种启发式的方法是直接移除第二层，从而消除长尾效应的影响。需要注意的是，这里首先要生成一个L层的语义ID（SID），然后再移除第二层，这与直接生成一个两层的SID不同，因为后者可能仍然存在大的路由节点。通过上述实验，不仅确认了“沙漏”效应的存在，还阐明了其对模型性能的具体影响，从而为未来的优化提供了坚实的基础。
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