21
2025
03
01:17:18

【LLM|Blog】最新大模型应用综述

大模型解决的是生产力问题。创造的价值不亚于工业革命。
加密货币则解决了生产力与生产关系的矛盾。通过去中心化的方式变革了传统的经济和金融体系。

目录大纲

  1. 引言

  2. 大模型的发展历程


早期发展期(1956-2005)：该阶段主要是传统神经网络模型的阶段，例如循环神经网络(Recurrent Neural Network，"RNN")卷积神经网络(ConvolutionalNeuralNetworks，"CNN")起初，AI发展主要基于小规模的专家知识，然后逐渐转向机器学习，1980年和1998年诞生的CNN和LeNet-55奠定了深度学习模型的基础。
快速成长期(2006-2019)：该阶段是全新的神经网络模型阶段，模型的发展方向主要聚焦长序列的处理和计算效率的提升，以Transformer架构的出现为代表。从2013年的Word2Vec7到2017年的Transformer，都标志着深度学习模型正走向一个全新的时代。在该阶段，如GPT和BERT等预训练模型逐渐成为主流。Transformer 动画




全面爆发期(2020-至今)：该阶段是预训练大模型阶段。以GPT为代表，预训练大模型处于快速发展的阶段，特别是OpenAI推出的GPT-3和GPT-4，标志着大模型技术正迈向新高度。


Harnessing the Power of LLMs in Practice: A Survey on ChatGPT and Beyond



Large Language Models: A Survey

  1. Scaling law

Scaling Law因提出当模型参数（模型容量）、数据集规模（数据量）和计算量（训练时长）越大，就可以实现大模型性能的持续提升这一概念而被人们所知。Scaling Laws for Neural Language Models



  1. Scaling Law (~2020 - 2021):

  • 在2020到2021年期间，随着模型参数从0.1B（十亿参数）增长到100B（千亿参数），提示学习的效果随之增强，但提升的幅度较为平缓。

  • 与提示学习相比，微调的效果较为稳定，随着模型规模的增加，微调的性能提升并不显著。

  1. Emergent Ability (from early 2022):

  • 从2022年初开始，随着模型参数从0.1B增加到100B，提示学习的效果有了显著提升，并且在模型规模达到10B左右时出现了一个“相变”（Phase Change），提示学习的性能突然提升迅速。。

  • 相比之下，微调的性能依然保持稳定，没有显著提升。

  1. 大模型应用

  2. 国内大模型应用现状


在"目前评估或者使用生成式 AI 的进度如何"的调研之中，企业中高层已开始广泛了解和应用生成式 AI。在受
访的 590 名企业中高层中，已有 21.0% 的人已开始小范 围试点应用，26.3% 的人在大范围推广生成式 AI 应用， 更有6.4% 的人已将生成式 AI 应用整合到整体战略转型阶段。
这些数据表明，生成式AI应用已经引起了大多数企业中 高层的广泛关注。对于尚未开始普及生成式 AI 的企业而
言，若不迅速跟进，可能面临在技术创新和市场竞争中落后的风险。


生成式 AI 技术在各行业和职能领域的应用广泛，但进展各有不同。科技化程度高或市场竞争压力大的行业，通常在生成式 AI 落地方面走在前列。比如，消费品行业在产品研发中已有 56% 的企业使用生成式 AI，汽车行业在营销和销售领域的应用率分别高达 80% 和 84%。智能终端厂商在搜索模块的 AI 应用率达到 90%。医药大健康行业和制造业在 IT、销售和营销领域也有广泛应用，但仍有许多场景等待技术落地。教科研机构也在探索 AI 辅助知识管理、智能助教及教学评估。
在职能领域，生成式 AI 在销售和营销领域的应用尤为广泛，62% 的企业在销售领域使用生成式 AI，营销领域的应用率达到 63%。生成式 AI 在营销文本、素材、图像和视频的生产上表现突出。此外，IT 领域的生成式 AI 适应性强，48% 的企业在 IT 职能中引入了该技术。


  1. 场景应用

1. 智能客服与客户体验

  1. 应用场景：大模型可以用于构建智能客服系统，为用户提供即时的问答服务，处理常见问题，提高客户满意度。同时，模型可以分析客户情绪，提供个性化服务建议。

  2. 案例：

海底捞面对如何与海量的消费者建立联系，并满足他们千差万别的需求的挑战，采用豆包大模型搭建用户评价分析系统。这一系统智能抽取用户情绪和评价观点，应用于门店绩效评估、服务优化及策略迭代等场景中，显著提高顾客服务体验和操作 效率。

  1. 挑战：

以优质服务著称的海底捞十分关注客户真实反馈，会收集自有平台以及三方平台用户对门店的评价，迄今已经有超千万条。海底捞传统的操作逻辑是安排人工针对评价进行分析分类，并沉淀总结报告，应用于菜品、服务、经营策略，该方法耗时长、人力成本相对较高，因此，海底捞需要借助大模型的能力，提升用户评价分析效率。
数据处理与分析效率不足
海量的顾客评价需要高效的处理与分析。传统的人工操作方式在处理超过千万条评论时，成本高且效率低。
在供应链管理中SKU 数量庞大，识别和记录繁琐且容易出错，效率低下。在应用AI之前，海底捞的工作人员需要手抄货品的名称、原产地、货号、出厂等信息，再上传到系统中，不仅耗时还更容易出错。
顾客需求多样性提升
提升 "顾客满意度"，是海底捞的"肌肉记忆"，在生成式 AI 落地时，首要任务也是帮助海底捞"抓住顾客的心"，在与海量消费者建立联系的同时，满足极其多样化的顾客需求，从食材偏好到服务体验，每个顾客的期望都需要被精确捕捉和满足。

  1. 变革：

海底捞基于火山引擎提供的豆包大模型能力，实现了特定人群的食材推荐以及服务流程的智能化优化，提升了顾客的就餐体验，尤其在餐后评价分析的场景中，大大提高了客户满意度与产品、服务不断优化的有效闭环。同时，大模型+OCR（光学字符识别）技术，海底捞能够快速识别和管理库存物料，从而减少人工干预。
智能分析优化
利用豆包大模型，实现自动提取和分析顾客评价，有效提高数据处理效率，降低人力成本。在提升菜品质量和服务体验的同时，也对门店的整体服务进行了优化。
供应链SKU 自动化
海底捞引入了AI技术，结合了OCR（光学字符识别）技术和生成式AI的语义理解能力。OCR技术能够自动识别产品包装上的文字信息，而生成式AI则进一步分析和理解这些信息，从而实现快速准确的物料归类和档案管理。 通过自动化的AI识别系统，海底捞显著减少了在物料识别上所需的人力资源，据估计节省了高达80%的人力成本。
2. 内容生成与创作

  • 应用场景：大模型可以生成各种形式的内容，如文章、报告、营销文案、视频脚本等。它们还能自动总结长篇文本，为用户提供简洁的摘要。

  • 例子：新闻媒体、广告公司利用大模型生成新闻稿、创意广告文案；内容创作者利用模型生成故事情节或剧本。





▎案例1：平安银行将大模型用于营销物料生成
银行业同质化竞争加剧，一线运营经理需要及时、个性化的营销物料，但传统设计效率及产能能以满足需求，平安银行将大模型用于营销物料生成场景，通过"创意+AI+智能创意"根据客户偏好自动生成沟通文本，提升内容生产质量与效率。经过测试发现大模型生成营销文案的效率稳定提升30%以上，营销海报设计对于设计师的提效在10倍以上。
完整内容：平安银行大模型应用探索
▎案例2：欧莱雅大规模利用生成式AI进行搜索引擎优化
为确保消费者能在网上找到所需的信息，欧莱雅需要加强搜索引擎优化，涉及重写数十万个meta标题和描述。为了大规模实现这一目标，欧莱雅利用其可组合的 Sitecore 架构集成了一个人工智能解决方案。
欧莱雅于2017年利用Sitecore创建了内容管理数字工厂。借助 Sitecore 体验平台，欧莱雅可确保其全球网站拥有一致且引人注目的品牌体验，同时还能针对不同市场进行品牌定制和内容调整。为解决元数据难题，欧莱雅利用 Sitecore 架构提供的无缝集成，于 2022 年创建了基于 Meta fastText 的解决方案，并于 2023 年升级到 OpenAI 的 ChatGPT。欧莱雅现在使用自己的人工智能算法为其 Sitecore 网站生成并优化meta标题和描述。通过在其 Sitecore 网站上自动创建和优化元数据，欧莱雅节省了 120,000 个网站管理员小时。
完整内容：生成式AI案例研究简报（2024年5月更新）
▎案例3：中国移动营销场景大模型应用实践
借助多模态大模型能力，中国移动结合大模型工具插件，在营销类场景中，为不同需求的客户智能生成营销话术，量身推荐产品，实现千人千面的个性化营销，针对性强、客户需求契合度高，提升营销转化率、提升客户服务满意度。
用户通过前端掌厅/网厅、在线客户和数字人等多种触点，进行产品咨询，或者在线客服进行主动营销。
完整内容：中国移动营销场景大模型应用实践
▎案例4：极氪汽车营销服环节大模型应用探索
目前，各大车企营销部门都在尝试AIGC智能生成内容，极氪汽车具体应用方式包括：
1）总部基于素材库通过大模型进行二次创作，然后将内容通过平台分发给关键销售人员；
2）总部营销人员在账号中进行转发。极氪汽车聚焦于与小红书渠道训练了一个大模型，基于小红书场景，为关键销售KOS提供二次创作内容进行转发，用于新车上市、品牌日等场景；
3）此外，极氪汽车也探索了辅助海报设计、落地页相关图文设计等赋能设计师的场景。
完整内容：极氪汽车营销服环节大模型应用探索
▎案例5：百度基于LLM的营销智能体建设实践 针对传统营销平台表单式投放存在的痛点，百度基于LLM based Agent，给大模型增加感知、规划、记忆、执行、工具调用等模块，打造营销智能体，用户可以通过自然语言的方式向智能体表达营销诉求。
营销智能体具有如下特点：
第一，理解力（听得懂）。智能体能够听得懂客户自然语言表达的营销意图，并分发至正确的逻辑分支；第二，表达力（说得清）。智能体的回复让客户一目了然人格化的引导客户完善营销意图，给出建议，激发业务机会；
第三，洞察力（看得见）。智能体洞察出客户投放中的问题或机会点，并给出分析过程与解决方案，帮助客户在广告投放中取得更好的效果；
第四，执行力（干得好）。客户在营销过程中表达的诉求能准确执行，让客户满意。
3. 个性化推荐系统

  • 应用场景：大模型能够根据用户的历史行为和兴趣，生成个性化推荐内容，如新闻、电影、音乐或商品。

  1. 强大的语义理解能力：大模型通过预训练学习到了丰富的语义表示，能够更好地理解用户需求和内容特征，从而提高推荐的准确性。

  2. 多模态特征融合：大模型能够处理文本、图像、视频等多模态数据，通过多模态特征融合提升推荐效果。

  3. 在线学习能力：大模型具备强大的在线学习能力，能够实时更新模型参数，适应用户兴趣的动态变化。

  4. 高效的特征提取能力：大模型通过深度学习技术，能够自动提取高层次特征，减少了对手工特征工程的依赖。

案例：

  1. Netflix：Netflix利用深度学习模型提升电影推荐的精准度，通过用户观看历史、评分、搜索等数据，构建用户画像，进行个性化推荐。

  2. 亚马逊：亚马逊通过大模型优化商品推荐，利用用户浏览、购买、评价等行为数据，实时更新推荐结果，提高了用户满意度和销售额。


这幅图片展示了使用大语言模型（LLMs）在推荐系统中的一个应用流程。整个流程分为几个主要部分：


用户行为：图的左侧显示了用户在使用某个产品或服务时的行为数据，例如搜索、购买、评分等。这些用户行为会被系统捕捉和分析。
提示（Prompt）生成：用户行为数据被输入到大语言模型（LLMs）中，并通过设计好的提示（Prompt）来引导模型生成所需的知识或信息。在这个例子中，提示的任务是解释用户的搜索和购买行为之间的关系。
知识生成：大语言模型接收到提示后，根据模型的训练数据生成相关的知识。这个过程类似于从模型中提取或生成对用户行为的解释或关联信息。
知识过滤：生成的知识会经过两种过滤机制：

  • 基于规则的过滤（Rule-based filtering）：根据预设的规则对生成的知识进行筛选。

  • 相似性过滤（Similarity filtering）：通过计算相似度来过滤与实际需求不相关或重复的信息。


人类反馈：在过滤后的知识中，人工对生成的内容进行标注和反馈。这一步骤帮助系统不断优化提示的生成和知识的准确性。
输出：最终经过处理和反馈后的结果被用于解释用户的行为。在图片中，示例输入是用户搜索“冬季外套”（Winter coat），购买了“长袖羽绒服”（Long Sleeve Puffer Coat），而输出的结果是“提供高水平的保暖”（Provide high-level warmth），这解释了用户搜索和购买行为之间的关系。
5. 语言翻译与语言处理

  • 应用场景：大模型在多语言处理和翻译领域表现出色，可以实时翻译多种语言，支持全球化的业务运营。

  • 例子：跨国公司利用大模型实现实时多语言沟通；旅游行业应用模型为游客提供语言翻译服务。

  • 大语言模型优势

多语言支持：大语言模型能够支持多种语言的翻译，包括低资源语言，这在传统翻译系统中是一个难点39。
高质量翻译：通过大量数据的训练，大语言模型可以生成高质量的翻译结果，尤其是在资源丰富的语言对上表 现尤为突出13。
上下文理解：大语言模型能够更好地理解和处理上下文信息，从而提供更准确和连贯的翻译225。
自适应能力：这些模型可以根据用户的需求和反馈进行定制化翻译，提供个性化的翻译体验5。
6. 医疗与健康

  • 应用场景：大模型可以用于医疗数据分析、诊断辅助、药物研发等领域，通过处理和分析医疗数据，提供精准的诊断和治疗建议。

  • 例子：医疗机构使用大模型分析患者的病历数据，辅助医生做出诊断；制药公司利用模型加速新药研发。





AI数字化医疗健康服务平台华美浩联获近亿元C轮融资
华美浩联成立于2017年，是一站式人工智能数字化医疗健康服务平台。该轮融资投资方包含阿米巴资本、Ventech China银钛资本以及蜂巧资本等，融资金额高达近亿元。本轮融资所获资金将主要用于服务与产品的研发和市场推广以及推进人工智能数字化医疗健康服务平台的升级与建设。


7. 虚拟助手与数字人

  • 应用场景：大模型驱动的虚拟助手和数字人能够与用户进行自然的对话，执行复杂的任务，如安排日程、提供投资建议等。

  • 例子：企业通过虚拟助手为员工提供人力资源服务；保险公司利用数字人进行产品介绍和客户咨询。参考链接

数据显示，2020年到2023年，中国网民规模呈现逐渐增长趋势，其中网络直播用户增长趋势显著，截至2023年12月，网络直播用户规模已达8.16亿人，占网民总人数的74.73%，其中网络虚拟主播行业在近几年随着技术的发展成为直播领域中成长最快的市场。"元宇宙"概念的火热，"Z时代"的兴起，吸引了更多的资本进入虚拟主播行业，用户和从业者规模进一步扩大。


目前，虚拟人主要分为服务型虚拟人和身份型虚拟人。服务型虚拟人具有功能性，能够替代真人服务，完成内容生产以及一些简单的工作，降低已有服务型产业的成本。身份型虚拟人具有身份性，多以虚拟IP或偶像呈现，能够为未来的虚拟世界提供更多的可能性。




2023年6月10日，在全国第18次“文化和自然遗产日”中，原力数字科技有限公司完美复刻了大报恩寺琉璃宝塔。原力数字科技有限公司的核心部门为CG动画事务部和互动数字事业部，为多部游戏和CG动画提供动画、特效、光影等多方面的支持，为消费者带来全新的体验。


讯飞音乐成立于2019年7月，隶属于科大讯飞股份有限公司AI文娱业务群，是一家集专业音乐制作、多元化宣发、艺人经纪企划及AI音乐创新产品研究于一身的音乐厂牌。讯飞音乐始终坚持对音乐的高标准，凭借专业制作配合强力宣发，让音乐人和音乐作品都更有价值。截至2023年8月，讯飞音乐出品歌曲总播放量突破810亿次，播放过亿歌曲140余首，登上各音乐平台主流榜单歌曲超1400首。讯飞音乐独家推广团队“噼里啪啦工作室”现有30000余家内容创作合作伙伴，6000余家歌曲推广合作伙伴，所推广的歌曲播放量超千亿。


《雾里》









数字人链接：
youtube.com/watch?
x.com/aigclink/status/1
x.com/aigclink/status/1
8. 教育与培训
全球各国（地区）高度重视教育大模型的应用探索。美国发布《人工智能与未来教学：洞见与建议》，总结了人工智能在教学、学习、评估、研究方面的机遇和风险，并提出了新一代人工智能应用于教与学的七条行动建议。英国发布《生成式人工智能在教育中的应用》，提出教育部门应充分利用各种新技术，为学习者提供优质的教育，使其具备适应社会发展的各项能力。同时，学校方面也尝试开展了相应实践探索。2023年9月，中国香港针对初中生开发了人工智能课程，要求公立学校开设10～14小时的人工智能课程，包括ChatGPT、人工智能伦理和人工智能的社会影响等主题。2023年10月，日本文部科学省宣布将53所中小学作为生成式人工智能试点学校，通过使用新技术来提高教育活动和校务管理的效率。澳大利亚宣布，从2024年起，包括ChatGPT在内的人工智能将被允许在所有学校使用。这些实践探索彰显了新一代人工智能技术在教育中的重要作用，凸显了教育的数字化转型、智能化升级趋势不可阻挡。
在全球范围内，教育大模型正进行着广泛深入的探索发展，已经在口语练习、数学学习、情感分析和个性化推荐等领域形成了解决方案。本研究梳理了五种典型的教育大模型应用案例（如表1所示），对其应用场景、技术进展和现有不足等进行了分析。



9. 机器人
到 2039 年，三分之一的美军将由机器人取代

10. 其他应用场景

  1. OCR 识别： 合同、发票、车牌等图片识别和语义理解。

  2. NLP 情感分析： 用于客服情感舆情监控等。

  3. NER 实体命名识别： 提取关键信息，进行召回和推荐。

下面将简述一下实体识别在搜索召回中的应用。在O2O搜索中，对商家POI的描述是商家名称、地址、品类等多个互相之间相关性并不高的文本域。如果对O2O搜索引擎也采用全部文本域命中求交的方式，就可能会产生大量的误召回。我们的解决方法如下图1所示，让特定的查询只在特定的文本域做倒排检索，我们称之为“结构化召回”，可保证召回商家的强相关性。举例来说，对于“海底捞”这样的请求，有些商家地址会描述为“海底捞附近几百米”，若采用全文本域检索这些商家就会被召回，显然这并不是用户想要的。而结构化召回基于NER将“海底捞”识别为商家，然后只在商家名相关文本域检索，从而只召回海底捞品牌商家，精准地满足了用户需求


  1. 时间序列预测销售分析


  1. 未来趋势和展望

  2. 大模型发展等级

这五个等级是：
第一级(Level 1)：聊天机器人，能使用对话语言的AI。
第二级(Level 2)：推理者，能解决人类级别问题的AI。
第三级(Level 3)：代理，能采取行动的AI系统。
第四级(Level 4)：创新者，能辅助发明的AI。
第五级(Level 5)：组织者，能够完成组织工作的AI。
OpenAI发言人表示，公司高管告诉员工，该公司的AI目前处于第一级，但即将达到第二级"推理者"的水平，也就是AI的能力可以达到拥有博士学位但不使用任何工具的人，能够完成基本的解决问题任务。
知情人士称，在同一场会议上，OpenAI领导层还演示了一个涉及其GPT-4大模型的研究项目。OpenAI认为该项目展示了一些新技能，可以发展到类似人类的推理能力。在被问及此次演示时，OpenAI发言人表示，公司一直在内部测试新功能，这是业界的一种常见做法。

  1. 未来展望

尽管目前在探索的工业大模型场景众多，但碎片化明显，这些碎片化场景逐步成熟需要一定的时间打磨，且可能只有部分场景未来能够实际规模化落地。未来技术的进步和成熟，沿着“辅助工具——业务系统——业务工程师——业务专家”的路径，大模型的应用将从价值相对浅的场景，逐步向高价值场景深化。远期随着企业内大模型持续融入各业务流程，在数据平台层之上，应用层之下，可能形成一层模型层，对下接企业内的各种数据，业务系统接口，对上提供各类API或直接作为统一的业务入口。


  1. AI 工具使用

  2. 聊天/内容生成

  1. AI 办公-综合

  • 360 数字员工：团队协作共享、企业知识库、AI 文档分析、AI 营销文案、AI 文书写作等智能工具

  • 有道 AI：文档、翻译、视觉、语音、教育等

  1. AI 办公-Office

  1. AI 办公-会议纪要

  1. AI 办公-脑图

  1. AI 办公-文档

  1. AI 写作

  • 有道云笔记 AI：有道云笔记写作插件、改写扩写润色等

  • 腾讯 Effidit：智能纠错、文本补全、文本改写、文本扩写、词语推荐、句子推荐与生成等功能

  • 讯飞写作：AI 对话写作、模板写作、素材、润色等

  • 深言达意：根据模糊描述，找词找句的智能写作工具

  • 阿里悉语：淘宝专用的商品文案生成，输入商品的淘宝链接即可获得文案

  • 字节火山写作：全文润色的 AI 智能写作

  • 秘塔写作猫：AI 写作模板、AI 写作工具、指令扩写润色等

  • 光速写作：作业帮旗下：全文生成、PPT 生成、问答助手、写作助手

  • WriteWise：喜马拉雅小说创作工具

  • 笔灵 AI：一键生成工作计划、文案方案等

  • 易撰：自媒体内容

  • Giiso 写作机器人：写作、文配图、风格转换、文生图等

  • 5118 SEO 优化精灵：快速生成高质量 SEO 标题、Meta 描述和关键字，提升网站搜索引擎排名

  1. AI 翻译

  • 沉浸式翻译：翻译外语网页、PDF、EPUB 电子书、视频双语字幕等

  • 彩云小译：多种格式文档的翻译、同声传译、文档翻译和网页翻译

  • 网易见外：字幕、音频转写、同传、文档翻译等

  1. AI 搜索引擎

  1. 图像生成/编辑

  1. AI 设计

  1. AI 音频

  1. AI 视频

  1. 数字人

  1. AI 写代码

  • 昇思 MindSpore：一站式 AI 开发平台，模型训练、推理、评测、精调等

  • 百度飞桨 PaddlePaddle AI Code assistant：在线编程、海量数据集等

  • ZelinAI：零代码构建 AI 应用

  • aiXcoder：智能编程机器人，基于深度学习代码生成技术

  • 商汤代码小浣熊：代码生成补全翻译重构……

  • CodeArts Snap：覆盖代码生成、研发知识问答、单元测试用例生成、代码解释、代码注释、代码翻译、代码调试、代码检查等八大研发场景

  • 天工智码：基于昆仑天工模型的 AI 代码工具

  • MarsCode：字节跳动出品，基于豆包的 AI 代码工具，可以作为 IDE 的插件，支持主流语言

  1. 模型训练/部署

  • 火山方舟：模型训练、推理、评测、精调等全方位功能与服务

  • 魔搭社区：提供模型探索体验、推理、训练、部署和应用的一站式服务

  • 文心大模型：产业级知识增强大模型

  1. AI 提示词

  1. AI 工具合集

  • AIbase：一个收集 AI 工具合集的网站

  • AI Product Home：一个收集各种 AI 商业或开源产品的仓库

  1. 国外 AI 工具汇总

  2. 聊天/内容生成

  • ChatGPT：内容生成、文档分析、图像分析、互联网搜索等

  • huggingChat：支持多种开源大模型

  • LLAMA：Meta 出品的最强开源大模型

  • claude：媲美 GPT4

  1. AI 写代码

  • GitHub Copilot：GitHub 官方出品，世界上应用最广泛的人工智能开发者工具




推荐本站淘宝优惠价购买喜欢的宝贝:

image.png

本文链接：https://hqyman.cn/post/9554.html 非本站原创文章欢迎转载，原创文章需保留本站地址！

分享到：
打赏





休息一下~~


作者:hqy | 分类:编程&AI | 浏览:65 | 评论:0
« 上一篇 下一篇 »

发表评论:

◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。

请先 登录 再评论，若不是会员请先 注册！

您的IP地址是: