大模型应用探索思维导图

主流大模型

-阿里巴巴的达摩院大模型

-擅长领域：自然语言处理、语音识别、图像识别等。

-百度的大模型

-擅长领域：自然语言生成、问答系统、知识图谱等。

-其他大模型（如OpenAI的GPT系列等）

-擅长领域：自然语言处理、文本生成、智能问答等。

选择的大模型

-阿里巴巴的达摩院大模型

-选择原因

-该模型在自然语言处理领域表现优秀，符合需求场景。

-模型的开放性和可定制性强，便于进行Prompt验证。

验证大模型选择及帮助领域

大模型的局限性与传统技术方案的结合

技术难点

-数据集的质量和规模对大模型的效果影响巨大，需要花费大量时间筛选和准备数据。

-大模型的训练需要大量的计算资源，对硬件和算法优化有较高要求。

-大模型的部署和集成也是一个技术挑战，需要解决模型与现有系统的兼容性问题。

排期风险

-大模型的研发周期可能较长，影响项目的进度。

-技术实现的不确定性可能导致排期的波动。

-需要充分考虑技术预研的时间，避免因为技术难题导致项目延期。

生成公告的摘要信息可行性

-大模型具备强大的文本生成能力，可以生成公告的摘要信息。

-通过设计合适的prompt，引导大模型生成符合要求的摘要。

成本控制

-选择性使用大模型，避免不必要的资源浪费。

-优化模型的训练和使用过程，提高效率和降低成本。

摘要质量保障

-通过对比多个大模型的生成结果，选择最佳摘要。

-结合人类审核和修正，提高摘要的质量。