九月下旬更新速递丨 AI赋能、技术实战与智能探索

金秋九月,下旬更新携AI发布会回放、丰富实战案例与进阶开发资源强势登场!助您深化技术理解,加速智能应用落地!

重点推荐Smartbi AIChat V4发布会圆满落幕!发布会精彩内容已完整上架,随点随看,深度回顾!共同步入智能新纪元!点击观看Smartbi AIChat V4发布会全程回放

麦学堂同步上架,加速学习

【Smartbi AIChat全新升级发布会根据不同篇章提炼上架,方便您按需定位,快速直达重点环节,高效吸收核心内容!

十分钟完整体验AIchat→ 只要10分钟时间,即可使用自己的本地数据快速体验AIChat所有功能。

一、任务持续上线

场景实战系列任务:数据处理,赢取278麦豆!通过实战任务巩固技能,真正掌握数据驱动的企业决策全流程

【BI知识闯关】数据回写填报太头疼?方案请收好!》→破解填报难题,提升数据处理效率。

【AI每日一学知识巩固】为什么Python 是目前人工智能领域最常用的编程语言》→深入解析Python在AI领域的优势,巩固编程基础。

二、实战技巧分享

数据回写填报太头疼?方案请收好!》→聚焦六大常见回写场景,拆解每类场景的实现思路,带您清晰掌握 Smartbi 数据回写的实操逻辑。

、开发技能突破

自定义计划任务案例 进一步了解自定义计划任务,从而提升自定义任务的开发效率和能力。

四、AI每日一学

【AI每日一学】为什么Python 是目前人工智能领域最常用的编程语言》→探讨Python为何能成为人工智能领域最常用的编程语言。

【AI每日一学】简单总结一下AI Agent的五个发展阶段从简单的指令响应到复杂的多智能体协作,AI Agent正逐步向着更拟人、更通用的方向演进。

五、全新素材上线

科技指标卡底座(二)→科技感视觉主题,深色科技风跃动,光线流动引爆焦点!

按需管控:业务人员导出最大行数设置在“导出规则”中,“导出动作”增加“部分导出”的选项

屏蔽“我的工作区”根据角色控制,屏蔽产品中“我的工作区”目录的功能,同时,对于该模块下的资源进行“保存”或者“另存为”,以及“移动到”时,对应的弹出框都不会显示“我的工作区”目录。

数据预警:异常数据可以落地到知识库在“预警推送”中,“推送渠道”增加“数据库”的选项,可以把异常数据存储到“知识库”的表中。

同一账号不能同时登录同一账号不能同时登录,后登录踢出先登录。


六、行业方案上线

汽车制造-财务数字化分析决策平台方案“核账型财务”向“经营型财务”升级

汽车制造-媒介平台ROI实时分析需求解决方案在激烈的市场竞争中,汽车行业对广告投放精准性要求极高,打破决策延时,敏捷响应时长,解决资源浪费,提升广告投放ROI!

为进一步提升认证服务的质量与体验,我们对认证业务进行全面优化升级。更多详情请看→Smartbi认证考试优化升级公告


麦粉社区
>
帖子详情

【AI每日一学】介绍一下大模型的分类

AIChat 发表于 2025-6-3 09:39
发表于 2025-6-3 09:39:19

        麦粉们,知识升级继续!前面我们深入探讨了企业拥抱AI的战略路径和五个关键等级,是不是感觉打开了新世界的大门?光知道理论可不够,实战巩固才能记得牢!最快全部答对的前三名麦粉,依然将收获20麦豆惊喜奖励!(答案就藏在昨天的[企业该如何拥抱AI?企业拥抱AI有哪几个等级?] 宝藏贴里哦~)火速回顾,麦豆等你来拿!


AI知识小问答(知识巩固)


1、企业拥抱AI的五个等级中,哪个等级标志着AI开始参与核心决策过程,提供动态建议并提升决策科学性?


A. 工具化应用


B. 流程优化


C. 决策增强


D. 系统自治


E. 生态重构


2、某零售企业利用AI动态调整库存分配策略,显著优化了跨部门的供应链协作效率。这主要体现了企业拥抱AI的哪个等级?


A. 工具化应用


B. 流程优化


C. 决策增强


D. 系统自治


E. 生态重构


3、企业拥抱AI的最高等级“生态重构”的核心特征是什么?


A. 用AI处理单一、重复性高的简单任务


B. 实现端到端的闭环自动化运作


C. 重塑商业模式,创造全新价值网络和跨领域融合


D. 深度嵌入业务流程,优化部门协作


E. 仅作为辅助工具提升基础效率


 


        经过这场关于AI企业应用等级的头脑风暴,相信大家对AI如何从“工具”一步步跃升为“变革者”有了更清晰的认识! 那么,支撑这些不同等级应用、尤其是驱动“决策增强”、“系统自治”乃至“生态重构”的核心引擎又是什么呢?答案就在于日益强大的大模型技术!它们正成为企业智能化转型不可或缺的“超级大脑”。


       今天,我们就来深入剖析大模型的世界,看看它们是如何按数据类型和应用层级进行分类的,解锁企业驾驭AI浪潮的底层技术密码


 


大模型的分类(今日学习)


1.1. 按照输入数据类型的不同,大模型主要可以分为以下三大类:


语言大模型(NLP):


       是指在自然语言处理(Natural Language Proc essing,NLP)领域中的一类大模型,通常用于处理文本数据和理解自然语言。这类大模型的主要特点是它们在大规模语料库上进行了训练,以学习自然语言的各种语法、语义和语境规则。例如:GPT系列(OpenAI)、Bard(Google)、文心一言(百度)。


 


视觉大模型(CV):


       是指在计算机视觉(Computer Vision,CV)领域中使用的大模型,通常用于图像处理和分析。这类模型通过在大规模图像数据上进行训练,可以实现各种视觉任务,如图像分类、目标检测、图像分割、姿态估计、人脸识别等。例如:VIT系列(Google)、文心UFO、华为盘古CV、INTERN(商汤)。


 


多模态大模型:


       是指能够处理多种不同类型数据的大模型,例如文本、图像、音频等多模态数据。这类模型结合了NLP和CV的能力,以实现对多模态信息的综合理解和分析,从而能够更全面地理解和处理复杂的数据。例如:DingoDB多模向量数据库(九章云极DataCanvas)、DALL-E(OpenAI)、悟空画画(华为)、midjourney。


 


1.2. 按照应用领域的不同,大模型主要可以分为L0、L1、L2三个层级:


通用大模型L0:


        是指可以在多个领域和任务上通用的大模型。它们利用大算力、使用海量的开放数据与具有巨量参数的深度学习算法,在大规模无标注数据上进行训练,以寻找特征并发现规律,进而形成可“举一反三”的强大泛化能力,可在不进行微调或少量微调的情况下完成多场景任务,相当于AI完成了“通识教育”。


 


行业大模型L1:


        是指那些针对特定行业或领域的大模型。它们通常使用行业相关的数据进行预训练或微调,以提高在该领域的性能和准确度,相当于AI成为“行业专家”。


 


垂直大模型L2:


        是指那些针对特定任务或场景的大模型。它们通常使用任务相关的数据进行预训练或微调,以提高在该任务上的性能和效果。

发表于 2025-6-3 15:09:37
CBC

很喜欢出答案是C的题目嘛
打赏人数1麦豆 +20 收起 理由
Smartbi社区管理员 + 20 老太太摔倒了我都不扶,就服你.

查看全部打赏


回复

使用道具 举报

高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

2回帖数 0关注人数 653浏览人数
最后回复于:2025-6-3 15:09
快速回复 返回顶部 返回列表