基于星火大模型的群聊对话分角色要素提取

最新推荐文章于 2024-09-23 14:24:34 发布

qq_43988562

最新推荐文章于 2024-09-23 14:24:34 发布

阅读量204

点赞数 2

分类专栏：大模型星火文章标签： python 自然语言处理

本文链接：https://blog.csdn.net/qq_43988562/article/details/140250950

版权

大模型同时被 2 个专栏收录

1 篇文章 0 订阅

订阅专栏

星火

1 篇文章 0 订阅

订阅专栏

数据集准备

多轮对话数据直接微调，难度大，开销也不小，需要进行数据的准备，提前清洗，使用星火max模型进行数据清洗。

首先写prompt

训练集准备

同时进行数据扩充，扩充到10倍以上。速度还可以，效率挺高，40多分钟就好了

测试集准备

同样步骤

模型微调

一轮也就1个小时就可以，还不错

模型推理

模型测试

推理速度很快，分数还不错

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

qq_43988562

关注关注

2
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

讯飞星火大模型接入库 (spark-ai-go)

04-03

开发者可以通过阅读和研究这个文件，快速理解和使用spark-ai-go库，从而快速构建基于讯飞星火大模型的应用。总的来说，讯飞星火大模型接入库 (spark-ai-go) 是一个强大的工具，它通过简洁的接口设计和高效的调用...

基于星火大模型的群聊对话分角色要素提取挑战赛

m0_73202283的博客

07-06

659

#Datawhale #AI夏令营

参与评论您还未登录，请先登录后发表或查看评论

基于星火大模型的群聊对话分角色要素提取挑战-baseline2，task3技术笔记3

yyyy2711的博客

07-06

310

回到：https://training.xfyun.cn/dataset/datasetIndex。在main.ipynb的微调推理部分填入APPID、APIKey、APISecret（注意顺序）进入创建微调页面：https://training.xfyun.cn/model/add。基本配置与版本配置如下，我们选择性能比较好的Spark Pro模型~这期是关于模型的微调方面和如何使用讯飞的微调平台。我们使用前面的baseline2数据集。我们根据提示在平台上上传制作的数据集。到这里我们数据集就传好啦~

基于星火大模型的群聊对话分角色要素提取挑战赛——首次体验笔记与思考#AI夏令营#Datawhale#夏令营

SayCheese_me的博客

07-02

430

基于星火大模型的群聊对话分角色要素提取挑战-baseline步骤及精读

weixin_51328138的博客

07-02

611

安装环境 Step2：配置导入添加个人配置，用于初始化和配置星火认知大模型（Spark 3.5 Max）的客户端设置导入必要的模块和来自模块，它们分别用于创建与星火模型交互的聊天LLM客户端和处理模型响应的分块打印处理器。用来构造发送给模型的消息对象。星火认知大模型的配置参数:: 指定了连接到星火模型服务的WebSocket地址。这里使用的是针对Spark 3.5 Max版本的URL。, , : 这些是访问星火模型服务所需的认证信息，包括应用ID、API密钥和API密钥。在实际使用

java提取字符串中需要的数据

微笑的博客

09-11

2224

最近做了个项目需要从一段字符串中提取出关键的信息，并拿出来使用。相当于张三进了一个无人超市对机器人说：帮我拿一瓶可口可乐，谢谢！！！这句话有很多种说法，又比如：给我来一瓶可乐，但不管张三怎么说可乐这个商品是不会变得，如果变了，就又变成买别的东西了。所以我们要抓住可乐这个重要的元素，把这个元素提取出来，让机器人去拿和计算价格。下面就开始做正事了 1.首先要先创建一个集合，把商品放入集合里面，考虑到商品名称是不会重复的，所以使用set集合在这里插入代码片 ...

基于星火大模型的群聊对话分角色要素提取挑战-baseline代码学习

weixin_51229784的博客

07-02

1190

Prompt 本质上是一个模板或指导语，它告诉模型应该如何理解和处理输入，并生成合适的输出。在大模型的开发和应用中，精心设计 Prompt 对于引导模型生成期望的结果至关重要。还会检查字段的类型是否正确，对于类型为列表的字段，确保其中的每个元素都是字符串。Prompt 设计在大模型的应用中扮演着关键角色，它决定了模型能否正确理解任务并生成预期的输出。下面这部分是用于处理和验证 LLM（如大语言模型）输出中的 JSON 格式的数据，确保提取到的 JSON 数据完整且符合预定义的结构。

基于星火大模型的群聊对话分角色要素提取挑战赛|#AI夏令营#Datawhale#夏令营进一步优化个人笔记

weixin_46872424的博客

07-07

435

之前对于整个项目的优化不够清晰，在参考了一些笔记以及官方文档之后，重新尝试一次并记录分享。

基于星火大模型的群聊对话分角色要素提取挑战赛|#AI夏令营#Datawhale#夏令营-Lora微调与prompt构造

qq_44511981的博客

06-28

3141

以上只是一个简洁的思路，如果有其他想法欢迎在评论区留言。

基于Vue3与星火大模型的Spark-Web-JS源码：AI对话应用开发实例

03-25

项目概述：本项目是一款基于Vue3和星火大模型的AI对话应用，命名为Spark-Web-JS。主要采用JavaScript进行开发，辅以Vue.js框架，并结合CSS与HTML进行界面设计。项目包含共31个文件，具体构成如下：JavaScript文件8个...

基于星火讯飞认知大模型的Feishu机器人Python源码实现

03-25

项目概述：本项目是基于Python语言开发的Feishu机器人，集成了星火讯飞认知大模型，实现了流式输出打字机效果。项目包含共35个文件，其中主要文件类型为Python脚本，同时涵盖了配置文件、图像资源、Docker构建文件等...

基于Python的讯飞星火大模型api.zip

03-03

《基于Python的讯飞星火大模型API使用详解》讯飞星火大模型API是科大讯飞推出的一款高效、便捷的Python接口，旨在帮助开发者轻松地在Python项目中集成并利用星火模型进行复杂任务处理。这款API兼容星火模型的v3.0...

基于星火认知模型3.5的Spark C#源码实现

03-25

项目概述：本项目是基于星火认知模型3.5的Spark C#实现。采用C#为主要开发语言，共包含47个文件，其中C#源代码文件26个，XAML界面定义文件7个，PNG图片资源5个，项目配置文件2个（csproj），Markdown文档2个，Git...

简单题101. 对称二叉树（python）20240922

Sep21m_wyy的博客

09-22

383

【代码】简单题101. 对称二叉树（python）20240922。

【工具】Windows｜两款开源桌面窗口管理小工具Deskpins和WindowTop

qq_46106285的博客

09-21

925

写这篇的初衷是怕自己忘了这两个工具的名字。

python 将 aac 转为 mp3，保持原有目录结构

最新发布

nongcunqq的博客

09-23

472

2f。

Python 类class的用法详解

十七次方

09-22

803

在 Python 中，使用 class 关键字来定义一个类。类定义通常包括类变量、实例变量和方法。

python获取滑块验证码需要滑动的距离

qq_62975494的博客

09-20

617

我们发现图片是base64格式通过API直接发送。

基于星火大模型实现智能绘图系统代码

09-12

星火大模型（FireFlower Big Model）并非一个公认的术语或已知的编程模型，因此无法直接提供关于它实现智能绘图系统的具体代码。不过，我们可以讨论一般性概念，即如何利用大型机器学习模型来实现智能绘图系统。通常，一个智能绘图系统会集成以下几个关键部分： 1. 数据收集：收集大量的图像数据，作为模型训练的材料。 2. 模型训练：使用深度学习技术，如卷积神经网络（CNN）或生成对抗网络（GAN），来训练模型以生成或理解图像。 3. 接口设计：设计用户交互界面，允许用户输入指令或选择参数来指导绘图过程。 4. 模型部署：将训练好的模型部署到服务器或本地机器，使之能够处理实时的绘图请求。智能绘图系统的代码实现可能会涉及以下高级步骤（以伪代码表示）： ```python import intelligent_drawing_model # 假设存在一个智能绘图模型库 # 步骤1：加载预训练的绘图模型 drawing_model = intelligent_drawing_model.load_pretrained_model('path_to_pretrained_model') # 步骤2：定义绘图函数 def generate_drawing(input_parameters): # 使用模型生成绘图 drawing = drawing_model.generate(input_parameters) return drawing # 步骤3：用户交互，获取绘图指令或参数 user_input = get_user_input() # 步骤4：调用绘图函数生成绘图 result_drawing = generate_drawing(user_input) # 步骤5：展示或保存绘图结果 save_or_display_drawing(result_drawing) ``` 请注意，上面的代码只是一个非常高级的示例，并不代表任何实际可用的代码。实际的智能绘图系统实现会涉及复杂的算法和大量的代码编写工作。