大模型应用场景
客服助手
通过NLP大模型对传统的客服系统进行智能化升级,提升智能客服的效果。
企业原智能客服系统:
- 仅支持回复基础的FAQ,无语义泛化能力,意图理解能力弱,转人工频率极高。
- 面对活动等时效性场景,智能客服无回答能力。
使用NLP大模型对客服系统升级后:
- 大模型智能客服可以7x24小时不间断服务,相较于人工客服,可以处理更多的客户咨询,且响应速度快;
- 降低运营成本:企业可以通过智能客服处理大部分的常规问题,将人工客服释放出来处理更复杂、更个性化的客户需求;
- 个性化服务:基于大模型的智能客服能够学习和适应用户的行为模式和偏好,提供更加个性化的服务。
证件审核
通过多模态大模型对电子材料进行审核,尤其是图片类电子材料,利用人工智能相关算法自动进行合规性审查和智能分类,对事项办理申请人提交材料的准确性进行核验。通过材料合规性审核,实现事件处理全过程智能化管理,方便对各环节数据的查询、统计、分类和审查,使业务人员从繁重的数据整理、汇总和审查的工作中解脱出来,提高事务处理效率。
城市治理
传统算法在治理交通拥堵下是基于人为预先设定的规则逻辑进行判断,灵活性缺失,例如交通拥堵是基于视频画面的车辆检测+跟踪,综合判断是否有大量车停留等待,从而判断交通拥堵。但如果要进一步分析交通拥堵的原因,传统视觉算法就犯难了,盘古CV大模型支持对同一目标多个标签描述,通过检测模型对目标物体进行检测,分割模型对目标进行分割,能有效识别城市道路积水检测、违停车辆检测、占道经营检测等场景,对城市治理起到了关键作用。
智慧配煤
传统人工配煤方式具有以下难点:
- 成本保障难:传统方式依赖专家经验,人工配煤在平衡质量和成本价格上难以做到最优,配比取値保守,増加炼烧原料成本;
- 监管回溯难:采用Excel表格计算,需手工输入原料煤参数,难以支撑数据分析和溯源,不同煤种煤质差异大。
盘古预测大模型通过评估和预测焦炭生产过程中焦炭成分及其质量来准确预测焦炭的成分和质量,通过合理选择和搭配不同种类、性质和质量的煤炭,降低生产成本,对于钢铁企业的生产效率、成本控制和环境保护具有重要意义。
降水预测
科学计算大模型包括全球中期天气要素模型和降水模型,可以对未来一段时间的天气和降水进行预测,全球中期天气要素模型和降水模型能够在全球范围内进行预测,不仅仅局限于某个地区。它的分辨率相当于赤道附近每个点约25公里x25公里的空间。通过降水模型预测未来的降雨情况,农民和农业管理者可以更有效地规划灌溉时间和频率,也能为可能发生的干旱提供预警,使农业部门能够及时采取措施,如推广节水技术或调整种植计划。