友情鏈接:
合作聯系
|
ASPEN培訓課程
?
（1）知識庫建設步驟
①數據收集與整理：從企業文檔、FAQ中提取知識
②知識表示：表格知識、向量表示、樹狀結構、知識圖譜等
（2）知識庫的使用
（3）知識庫與大模型的結合
①知識庫如何增強大模型性能
②實時知識更新與模型同步
（4）知識圖譜介紹（原理、設計與實現）
（5）KAG應用
2.RAG技術實踐
（1）RAG技術概述
①RAG（Retrieval - Augmented Generation）的定義與優勢
②RAG的應用場景：問答系統、文檔分析
③RAG應用的評價方式與指標
（2）詞嵌入技術
①詞嵌入與語義空間
②高維向量的快速模糊匹配
（3）向量數據庫
①混合檢索與多路召回
②Rerank
（4）RAG實戰技巧
①基模選擇（qwen、DS、GLM、書生等）
②RAG與微調的適用場景
③數據準備技巧（OCR、理解表格、半結構化）
④chunk技巧（摘要、重疊、長度選擇、構造問題）
⑤Agentic chunking
⑥查詢擴展與改寫（指代消解、HyDE）
⑦向量數據庫使用技巧（標題、正負向情感）
⑧提示詞優化技巧：（RTGO、Costar、CRISPE、BROKE等）
⑨多輪問答技巧（任務框架、信息提取、追問策略、可信度）
（5）RAG（Agent）工具
（6）Agentic RAG工具介紹
3.RAG案例分析
（1）通用知識庫問答場景（協同辦公）
（2）復雜知識庫問答場景（臨床輔助決策）
（3）基于語義和空間的聚類（市民熱線多訴合并）
（4）術語提取場景（中醫知識圖譜構建）
（5）多輪對話場景（酒店客服）
（6）綜合應用（自動生成報告文檔）
4.多模態大模型原理與實踐
（1）基于Transformer的視覺模型
（2）多模態大模型介紹
（3）數據集準備：標注與預處理
（4）模型訓練與優化：超參數調整、正則化技術
（5）多模態大模型的訓練
（6）多模態數據集準備：標注與預處理
（7）模型訓練與優化：超參調整等
?
