机器人也没有标准答案 . 以相关性、趣味性为评估指标 任务型对话 闲聊 问答型对话 帮我订张机票 我好无聊啊 什么是人工智能？ s 种不同的对话类 型 知识库 基于知识库的智能问答 知识库由若干个知识点组成， 每个知识点都包含若干个 语 义相同的问题，这些问 题可 以被同样的答案来回 答。 问答机器人将用户的问题匹配 到知识库中最相近的知识点上， 用该知识点的答案回答用户。 怎么注册会员 • 我想成为会员 • 会员怎么申请 会员有什么权益 • 会员有特权吗 • 会员能干什么 • 会员有啥好处 怎么查询积分 • 我有多少积分 • 如何查看积分 • 哪里能查积分 问答机器人 机器人回答 命中知识点“如何查询积分” 用户问题 怎么看还剩多少积分 • 基本思路 • 每个知识点是一个分类 • 将整个知识库作为训练数据 • 传统机器学习模型 • Adaboost • 神经网络模型 • LSTM • CNN • fastText 知识库 分类 2 基于分类模型的问答系统 分类器 分类 1 分类 3 训练分类器 分类结果 用户问题 • 检索 • 以知识库中的问题为粒度建立索引，每 个 问题都对应一个知识点 • 对用户问题进行分词、去停用词、同义

DeepSeek-V3 是在 14.8 万亿高质量 token 上完成预训练的一个强大的混合专家 (MoE) 语言模型，拥有 6710 亿参数（激活参数 370 亿）。作为通用大语言模型，其在 在知识类任 务（知识问答、内容生成等）领域表现出色。 ● DeepSeek-R1 是基于 DeepSeek-V3-Base 训练生成的强化推理能力模型，在数学、 代 码生成和逻辑推断等复杂推理任务上表现优异。 DeepSeek 复刻 Deep seel 的推理加速能力 一键发起模型部署 推理加速 DeepSeek 模 型 客 户 数 据 训练加速 DeepSeek 联 网 助 手 文档问答 知识摘要 • 模型 + 训练平台 + 应用构建 平台 全链路能力。 • 提供从训练——推理——应 用的一站式丝滑服务体验 • 全面接入 deepseek 模型 大模型工具链支持大模型研发至应用全栈技术 知识引擎应用 数智人 智能客服 多轮改写 文档解析 向量检索 文档拆 分 意图识别 RAG 知识文档 知识问答 开放 对接 知识引擎 配置项 工作流 联网搜索 模型部署 服务管理 应用场景 大模型 广场 大模型精调 解决方案 腾讯云精调知识大模型 DeepSeek 系 列 模 型

分为十大能力测试维度， 71 个评测任务。通 过 不同任务上大模型的性能表现，挖掘其基础能力的优势和特点。 产品设计 销售营销 保险领域大模型评测框架 运营管理 客户服务 办公辅助 专业知识问答 保险常识 法律知识 医疗知识 应用能力 业务场景 基础能力 多模态 文生图片 图像识别 交互性 多轮对话 上文关联 应用性 语言生成 语言理解 安全性 违规识别 0 1 2 3 4 5 0 1 2 3 4 5 保险常识问答能力指数 应用能力评测：保险专业知识问答 知识问答主要评测大模型的交互性、准确性等基础能力。国内外头部大模型在基础知识问答能力上的表现整体较好，国内头 部大模型基于中文语境优势，能力指数已实现超越 法律知识问答能力指数 医疗知识问答能力指数 文心一言 清华智谱 GPT- 4 ** 大模型 ** 大模型 ** 区别。对于个人而言 , 社会保险是基础性的保障项目 , 而 商业保险则是社会保险的有力补充 , 可以根据个人需求和风险承受能力进行选择。 社会保险和商业保险的区别？ 应用能力评测：保险专业知识问答案例 社会保险和商业保险在以下九个方面存在区别 : 1. 性质 : 社会保险具有保障性 , 不以盈利为目的 , 而商业保险具有经营性 , 以追求经济效益为目的。 2.建立基础 : 社会保险建立在劳动关系基础上

联通数智公司联合辽宁产互等打造政务热线大模型，已落地辽宁、北京等多省市12345项目 -22- 大模型辅助政府经济决策  2023年10月，服务北京发改委面向经济领域数据查询及分 析、报告撰写、经济领域知识问答等业务场景，实施经济大 模型， 打造“学文件、读数据、出观点、快呈现”的高效 AI工具，赋能经济运行调度工作，人工智能辅助经济决策；  打造国内首个经济数据分析智能体和区域经济分析智能体。 的准确率；  针对上万页造船规范知识中的复杂问题，运用元景RAG技术中级联 切分手段、自适应表格拆分与整合技术、多路检索融合方式进行解 析，提升元景大模型对相关内容的召回率。 造船规范知识问答  针对2D船舶设计图纸中不同标尺参数，运用元景多模态大模型进行 识别，精准输出设计参数信息，为设计师精准建模提供必要参考；  面向不同船厂的设计规范、图纸中不同类型的线材，运用元景视觉 增强检索能力多样性 支持OCR 解析能力 支持富文本知识 问答能力 支持答案出处 定位至原文 支持统计类 问答能力  针对多模态装备文档做精准 查询和智能问答，重点解决 长文本、复杂表格、数字序 列、OCR解析、网页资源解 析、统计类问答等挑战并快 速迭代，问答效果优于头部 竞品。业界首创RAG中的富 文本知识问答、来源出处定 位、数据飞轮等独有能力。 基于RAG的装备运维 -27-

交互 - 咨询 - 任务等环节 ，完成交易闭 环 个性化的需求如何更高效的被满足？ 如何提升基于交互的服务效率和服务体验？ 任务型对话机器人 商业智能 智能分组推送 个性化推荐 知识库 问答型对话机器人 领先的知识型交互机器人 最懂你的私人助理 结束语 . 提升智能助理产品的可靠性 . 深度学习与智能助理产品 . 智能助理产品的特点 目 录 • • 对一段文本对应的向量进行转换， 基于知识库和历史语料训练具有较强 语义泛化能力的问答模型 l 提高问答机器人的召回率和准确率 l 用候选回复辅助客服，提升服务效率 l 传统方法缺乏语义泛化能力 l 传统方法没有上下文理解的能力 l 使用检索 + 上下文深度匹配排序的方法 l 匹配模型考虑上文历史消息序列 深度学习的应用： 问答 检索 候选回复 深度匹配 排序 主要 挑战 • 使用深度学习解决 NLP 问题基本包括 4 个步骤： Embed 、 Encode 、 Attend 、 Predict • 在大量标注数据的基础上，深度学习能明显提升语义理解、问答、 对话等模型的效果 • 现阶段，聚焦场景、人机混合的智能助理产品更有用户和商业价 值 The future is already here, ——it’s just not evenly

Discover information • 产品定位 • XF4.0 版，多场景智能交互机器人，实现人机、机机智能交互，支持客服、 营销、推荐、类 Siri 服务等 • 突破现有机器人只解决客服问答癿狭义定位 小富机器人 用智慧发现信息价值 Discover information 用智慧发现信息价值 Discover information 场景机器人框架 • 场景 = 业务框架 列表型知识问答 支持抽取列表，直接回答 用智慧发现信息价值 Discover information 要素型知识问答 支持反问确讣要素后回答 为什么要买交强险？ 买交强险癿好处？ 一定要买交强险么？ 交强险癿意义 丌买交强险会有什么后果？ 开车从丌出事，还用买交强险 吗？ 交强险是丌是白交钱？ 基于概念癿智能问答，解决丌同问法，搜索给出同一答案 概念问答 e_ 交强险 Discover information 解决客户问题 • 微信公众号丌能智能 回答用户提出癿问 题，导致大量咨询用 户转至“小麦客服” 人 工服务。 • 希望通过微信公众号 智能问答系统，减轻 人工客服工作压力。 • 格式丌一癿内部业务 文档，服务话术 • 大量非结构化业务文 本癿自劢化知识加工 • 灵活多变癿用户问题 句式需要语义分析才 能真正理解 案例

n 我们认为金融行业人工智能的应用价值大体可以分为三个层次： 降本增效，价值创造与决策赋能。其中当下应用最广 泛的是降本增效， 即 AI 对简单人力的替代，具体场景可能包括智能客服、简单的办公文件问答与内容生成等。随着模 型能力提升将展现真正的价值创造能力，即 AI 对高价值人力的赋能， 具体场景可能包括办公 Agent 、营销、 Coding 等； 随着 AI 分析能力进一步提 机构 应用场景 工商银行 网点运营、远程银行、运营管理、人力资源、智慧办公、智能研发等 农业银行 智能问答、智能客服、辅助编程、智能办公、智能风控等 中国银行 内部知识服务、辅助编码等 建设银行 智能客服、市场营销、投研报告、智慧办公、智能运营、智能风控等 交通银行 办公助手、客服问答等 邮储银行 研发测试、运营管理、客户营销、智能风控、消费者权益保护等 中信银行 落地代码生成、智能操作等 平安银行 零售风控、零售贷款审批、运营管理、消保降诉、汽车金融等 招商银行 零售、批发、中后台 北京银行 宣传文案、智能周报、文章翻译、会议纪要等 江苏银行 智能客服、智能文档助手 杭州银行 知识问答、办公助手 n 在生成式人工智能落地应用中大行发力更早。六大国有银行大力投入大模型技术体系研发的同时多场景探索大模型应用， 实现客服、办公、研发、运营等多个业务领域的应用创新。中小银行则多以单场景切入，

内的超过30种语言，更在图像编码速度上实现了质的飞跃，为端侧AI模型的发展树立了新 的里程碑。 今年9月，面壁智能再度发力，推出了MiniCPM 3.0基座模型，该模型以仅40亿参数的规 模，在自然语言理解、知识问答、代码生成、数学推理等多个核心能力上实现对GPT-3.5的 超越，同时在与Qwen2-7B、Phi-3.5、GLM4-9B、LLaMa3-8B等国际知名模型的对比中脱颖 而出，展现了其卓越的“以 ，可以快速 落地这些用例用于大模型的价值验证，然后探索更复杂的业务场景。这些用例包括但不限 于智能办公助手，它能够帮助员工高效处理日常行政事务；编码辅助工具，加速软件开发 与迭代；以及员工知识问答助手，提升内部知识共享与问题解决的速度。 资料来源：生成式人工智能在保险行业的应用（研讨材料），麦肯锡。 图2 保险业大模型应用成效初现 �� 这些用例之所以成为首选，是因为它们技术成熟度高、实施难度相对较低，且能够迅 更系统性的方向发展。通过这些努力，保险行业将能够在国民经济和社会生活全面数字化 的历史转折期迎来新的发展机遇。 �� �� 不同的应用场景，其复杂程度和核心诉求都有差异。例如，面向员工的行政知识问答 场景和面向客户的保险产品营销场景，后者要求大模型具有更高的知识覆盖率和回答准 确率。面对差异化的需求，需要选择不同的技术方案，保障业务指标达成。经过一年多来 大模型实践的探索，业界逐渐形成了

0 时代 AI 2.0 时代 图像分类 文本分类 信用评估 房价预测 销量预测 客户分群 新闻聚类 广告定向 社区发现 文生图 文生视频 语音与对话 影视与广告 文章报告 问答内容 人像写真 广告图片 样例代码 测试用例 视频生成 分类 聚类 回归 文本生成 语音生成 代码生成 图像生成 Multi-task Language Understanding Source: https://paperswithcode.com/sota/multi-task- language-understanding-on-mmlu 大模型在知识问答、数学、 编程等能力上达到新的高度， 多种任务上 的表现超过人类水平。 大模型能力不断增长 Source: https://lifearchitect.ai/timeline/ 大模型发展迅速，参数量从百亿到万亿规模 播放 器 科学 计算 硬件虚拟层 多模态 / 多领域数据通用接口 桌面和移动应用 服务应用 意图识别 情感分析 问答 文本生成 图片生成 声音生成 图生成 Language Models are General-Purpose Interfaces Yaru Hao Et. al

3.1 虚拟客服助手.............................................................................27 2.3.2 智能问答系统.............................................................................29 3. AI 大模型的数据需求与获取 乘客流量预测：利用历史数据和实时传感器数据，预测 不同时间的乘客流量，从而合理安排运力。 o 优化调度：基于实时数据分析，帮助调度中心迅速响应 各种突发情况，提高整体调度效率。 o 智能客服：运用自然语言处理技术，提供智能问答和服 务。 4. 实施方案：根据上述应用场景，提供具体的实施步骤，包括数 据收集、模型训练、系统集成和用户培训等。 5. 结果评估与反馈机制：建立完善的效果评估方法，确保 AI 大 模型的应用能够持续改进和优化。 乘客可以通过虚拟客服助手提交对服务的反 馈，助手会将反馈信息自动整理并转交至相关部门。 为了提高虚拟客服助手的功能和用户满意度，可以采取以下措 施： 1. 数据训练：不断积累用户问询数据，优化助手的问答能力。 2. 多语言支持：考虑到城市轨道交通的国际化背景，虚拟客服助 手必须具备多语言支持，满足不同用户的需求。 3. 融合人机服务：当虚拟客服助手无法处理复杂问题时，能够快 速转接到人工客服，确保用户问题得到及时解决。