其他的则需要根据业务场景需要看如何

mamun6846

设计比如上文提到的“从交互中发掘潜在需求”的流程中实际上就是一个持续运行的分类任务同时维护一个待聚类池满足一定条件设定就触发聚类。 设计变革——大模型的设计方法 当然实际算法要处理的设计问题要多的多诸如检查点设置数据重平衡等等只是作为非算法人员我认为主要以上是需要考虑的其他的了解即可相信你的算法负责人的专业性。 验收指标制定 实际上一般产品或者能力都会有个验收阶段例如观察混淆矩阵等离线验收模型效果观察制定的业务指标在各种集合上的表现。这里主要是分享一些关于设计的思考就不仔细谈这件事但是根据应用场景特性制定业务的验收指标这件事很重要。这个指标和模型的性能评价指标无关有些。


时候模型的性能指标不变甚至有所下降但是业务关键指标提升了对具体业 马来西亚手机号码数据 务来说也是一次有益的优化。 关于业务关键指标制定一般来说都不是精准度召回率多样性等等这种单一维度指标一般都是复合指标而且为了排除绝对数量的影响一般都是比例型指标。关于验收另外重要的一点是指标一定是分两类的 在线评价指标用于在系统做好之后进行验收的指标。可以理解为即使不懂内部逻辑的小白也有一个直观方法评判结果如何。以人机会话举例的话可以设计例如对话回复是否符合常识人设是否凸显等等。 离线评价指标用于在系统研发阶段评估系统质量的指标。可以理解为内部产研人员评估每个维度的效果是否达到预期指导迭代的指标。







以人机会话举例的话可以设计例如相关度情绪识别准确度情绪应对策 第二点就是应用价值的变化过去的实际上在 的普通消费者上一直比较难产生直接价值这实际上是“交互”这种应用场景的困境实质上“交互”本身一直都很难找到一个能直接产生价值的点这也导致大量的 的产品实际上的销售模式很多都是依托供应商分销完成这种模式实质上很多厂商把货物压到分销商手里销售环节就已经算结束了这里的具体原因我们不做深入探讨。 但是大模型实际上改变了这个情况从开始大量面向 产生实际价值的产品需求被释放了对于大模型所有人都可以轻而易举的想到几个和自己有关的价值场景可以说 的价值在大模型这里才真正被释放了出来。