全链路专业服务，让大模型从可用到好用 · 6大阶段30+专业服务，覆盖大模型建设全流程，加速政企落地大模型 · 创新运营服务模式，实现全场景模型经验沉淀、全流程运营赋能产业，快速孵化大模型场景化应用 大模型混合云十大创新技术 大模型混合云十大创新技术 了解详情 十大创新技术 加速构建企业专属大模型
体验 政企知识检索 智能创意营销 行业API助手 行业研发助手 政企会议助手 文档与学习成长 盘古大模型 盘古大模型 什么是盘古大模型 盘古NLP大模型能力与规格 盘古大模型快速入门 如何调用盘古大模型API 查看全部 AI Gallery百模千态社区 AI Gallery百模千态社区
文档与学习成长 盘古大模型 盘古大模型 什么是盘古大模型 盘古预测大模型能力与规格 盘古大模型快速入门 如何调用盘古大模型API 查看全部 AI Gallery百模千态社区 AI Gallery百模千态社区 优质昇腾云AI模型专区 几行代码自由部署AI应用 丰富多样的AI训练数据集 场景化AI案例，助力AI赋能千行百业
盘古大模型 PanguLargeModels 盘古大模型 PanguLargeModels 盘古大模型是面向B端行业的大模型，包含L0中5类基础大模型、L1行业大模型及L2场景模型三层架构 盘古大模型是面向B端行业的大模型，包含L0中5类基础大模型、L1行业大模型及L2场景模型三层架构
广汽借助华为云盘古多模态大模型，打造业界首个支持点云生成的大模型，为其端到端仿真高效迭代提供强有力支撑。 文档与学习成长 盘古大模型 盘古大模型 什么是盘古大模型 盘古多模态大模型能力与规格 用户指南 如何调用盘古大模型API 查看全部 AI Gallery百模千态社区 AI Gallery百模千态社区
提供高精度的全球模型，无需定制和训练，直接订阅即可推理 多种部署形态 支持公有云、混合云、边缘多种形态，满足不同需求 文档与学习成长 盘古大模型 盘古大模型 什么是盘古大模型 盘古科学计算大模型能力与规格 盘古大模型用户指南 如何调用盘古大模型API 查看全部 AI Gallery百模千态社区
丰富的生态 AI Gallery生态繁荣，沉淀行业资产10万+； 汇聚主流开源大模型，高效连接云上昇腾算力。 丰富的应用场景，满足海量访问诉求 大模型 AIGC 自动驾驶 内容审核 大模型 支持三方开源大模型，加速客户大模型业务上线 构建大模型应用开发工具链，使能大模型开箱即用 构
大模型混合云TOP N 场景 大模型混合云TOP N 场景 1对1咨询 了解华为云Stack 大模型行业场景落地三要素 大模型行业场景落地三要素 场景是大模型行业落地的关键所在，而在场景落地过程中，数据、经验和生态是核心要素，数据的数量和质量决定模型效果上限；经验就像“名师指导”
子、显存优化，大模型训练与推理性能大幅提升；并围绕大模型性能与精度评价体系构建标准化自动流水线。 开箱即用，一站式模型开发服务 开箱即用，一站式模型开发服务 提供模型调优、压缩、部署、评测等全栈工具，功能覆盖大模型全生命周期，支持用户即开即用，低门槛使用各类大模型。 资源一站式按需开通，建设周期短
《互联网信息服务算法推荐管理规定》明确，具有舆论属性或者社会动员能力的算法推荐服务提供者应当在提供服务之日起十个工作日内通过互联网信息服务算法备案系统填报服务提供者的名称、服务形式、应用领域、算法类型、算法自评估报告、拟公示内容等信息 方便
湘江鲲鹏目前在人工智能大模型领域拥有算力、数据、算法三大关键要素的经验积累，构建了大模型三个方面的差异化竞争力，盘古大模型AI专业服务覆盖从前期咨询、规划设计，到数据工程、模型训练，再到应用工程及模型运维的完整流程。基于华为盘古提供的AI专业服务包，致力于为企业提供一站式人工智能解决方案
angChain等流行的大模型开发框架，构建企业级AI应用；团队拥有成熟的软件工程技术和管理能力。6. 大模型使用的技术支持，用户使用大模型平台，解答用户使用过程遇到的问题；大模型与应用对接集成，以及进行日常巡检、故障处理、模型升级等服务。4. 工业数据模型（CAD模型、CAE模
太杉天尊大模型AIGC场景解决方案是以AI场景解决方案为核心的全栈Maas综合方案，助力政企客户灵活部署(可公有可私有部署）。具备自研的行业模型能力，主要用于政府/公安/教育等行业的数据处理、文本处理以及多模态处理等多场景。太杉天尊大模型AIGC场景解决方案，是一款专为满足政府企
公司集成了世界领先的底层大模型，具备打通跨模型和工具链的平台，提供从需求分析、数据收集、模型设计、训练优化、评估、系统集成、用户界面设计、部署维护、合规性检查、技术支持、性能监控、扩展性设计、定制服务到持续研发一站式AI大模型定制研发服务。光启慧语是一家围绕大模型全栈开展技术研发和产
数据质量。4. 模型训练：设计调优方案，实施模型训练，并进行模型评测。熟悉盘古大模型工作流和云服务操作，确保模型效果优化。5. 应用工程：提供基于大模型能力的Agent开发和应用对接服务。具备良好的软件开发和沟通能力，实现大模型与应用的无缝对接。6. 模型运维： 提供技
. 模型更新后，将新模型部署至相应环境。 十一、模型评测1. 设计模型评测方案，对大模型各类指标进行评测。2. 能够按评测标准对大模型各项能力进行打分，输出大模型评测报告。 十二、Agent开发1. 基于场景，设计并开发Agent工具。2. 基于langchain等大模型框架，完
天尊大模型AIGC场景解决方案配套服务是太杉AIGC解决方案的人工服务，是以AI应用解决方案为核心的全栈Maas综合方案，助力政企客户灵活部署(可公有可私有部署）。主要用于政府/公安/教育等行业的数据处理、文本处理以及多模态处理等多场景。天尊大模型AIGC场景解决方案配套服务是太
出门问问大模型“序列猴子”是一款具备多模态生成能力的大语言模型，模型以语言为核心的能力体系涵盖“知识、对话、数学、逻辑、推理、规划”六个维度，能够同时支持文字生成、图片生成、3D内容生成、语言生成和语音识别等不同任务。出门问问大模型“序列猴子”是一款具备多模态生成能力的大语言模型，模
华为云盘古大模型 华为云盘古大模型 AI for Industries 大模型重塑千行百业 AI for Industries 大模型重塑千行百业 盘古大模型致力于深耕行业，打造金融、政务、制造、矿山、气象、铁路等领域行业大模型和能力集，将行业知识know-how与大模型能力相结合
ModelArts支持本地准备模型包，编写模型配置文件和模型推理代码，将准备好的模型包上传至对象存储服务OBS，从OBS导入模型创建为AI应用。 制作模型包，则需要符合一定的模型包规范。模型包里面必需包含“model”文件夹，“model”文件夹下面放置模型文件，模型配置文件，模型推理代码文件。
ModelArts模型训练 ModelArts模型训练简介 ModelArts模型训练，俗称“建模”，指通过分析手段、方法和技巧对准备好的数据进行探索分析，从中发现因果关系、内部联系和业务规律，为商业目的提供决策参考。训练模型的结果通常是一个或多个机器学习或深度学习模型，模型可以应用到新的数据中，得到预测、评价等结果。
端口。 高斯数据库模型-应用场景 金融核心交易 ERP/CRM 政企OA/办公 金融核心交易 金融核心交易 适用于各类银行核心交易系统分布式改造，数据库的原生分布式能力可以极大的降低改造和迁移工作量。两地三中心等极致高可用能力，可以为核心业务保驾护航。 优势 大容量高扩展：支持T
次拷贝，多种计算引擎，存储和计算资源灵活配比，各自按需扩缩，性价比领先业界30% 极致性能体验 通过结合硬件、数据组织、计算引擎、AI智能调优四级垂直优化，全栈式性能加速，同时具备百万规模元数据毫秒级响应，为用户提供极致性能体验 领先开源技术 主流引擎Spark、Hive、Fli
000.00元/年 免费AI客服电话-智能AI客户联络中心-AI智能电话机器特征 免费AI客服电话-智能AI客户联络中心-AI智能电话机器特征 免费AI客服电话-内置ASR引擎 支持ASR，NLP，NLU，TTS等技术数据整合识别、响应飞速提升 免费AI客服电话-多轮会话 领先的
.email域名注册 什么是.email域名注册？ 域名注册（Domain Registration）是用户付费获取Internet上某一域名一段时间使用权的过程。华为云域名注册服务提供域名的注册、购买、实名认证以及管理功能。 华为云的域名注册服务与新网合作，因此通过华为云注册的
析解决方案。 访问店铺 LEAN-BI大数据分析系统 Lean-BI是基于新一代自助式可视化数据分析平台，提供了多数据源管理，拖拽式设计，大屏看板，多终端自适应等功能，辅助企业完成数据分析和战略决策 访问店铺 浩天智能数据分析BI平台 浩天智能数据分析平台是基于校园网实现的财务数
软硬件自建自维，成本高 资源按需购买，自建或使用云上服务，成本较低 资源按需购买，开放算子库，成本低 效率 独立组件无优化，效率低 端到端垂直优化，数据处理路径长，效率较高 端到端垂直优化，算子下推路径短，效率高 复杂度 业务流程复杂，复杂度高 业务流程复杂，复杂度高 图形化编排工具，一站式运维平台，复杂度低
ai垂直大模型什么意思
- 什么情况下需要微调？
微调的目的是为了提升模型在某个特定的任务或领域的表现。在大多数场景下，通过Prompt工程，通用模型也能给出比较满意的回答。但如果您的场景涉及如下几种情况，则建议采用微调的手段来解决：
- 目标任务依赖垂域背景知识：通用模型学习到的知识大部分都是来自互联网上的开源数据，如果目标任务本身属于某个领域（比如，金融、政务、法律、医疗、工业等），需要依赖很深的领域背景知识，那么通用模型可能无法满足这些要求，需要在该领域的数据集上进行微调，以增强模型的泛化能力。
- 回答的风格或格式有特殊要求：虽然通用模型学习了相当可观的基础知识，但如果目标任务要求回答必须符合特定的风格或格式，这将造成和基础知识的数据分布差异。比如，需要模型使用某某银行客服的口吻进行线上问答，此时需要使用符合该行风格和格式的数据集进行微调，以提升模型的遵循度。
- Prompt工程后，效果仍无法达到预期：当对模型做了大量的Prompt工程，加之目标任务的难度也较高，通用模型的回答可能无法达到预期，此时也建议采用目标任务的数据进行微调，以提升模型回答的准确性。
- 什么情况下不建议微调？
虽然微调可以在一定程度上提升领域能力，但有时候微调也无法解决所有问题。即使您的目标场景依赖垂域背景知识，微调也并非最佳方案，比如：
- 场景微调的数据量很少或者数据质量很差：微调对数据量和数据质量有很高的要求。
- 垂域知识问答场景：通用模型本身已经具有在给定的一段或几段段落知识的场景下，来做总结回答的能力。因此，如果您的场景是基于某个领域内的知识问答，那么采用微调的手段确实能从一定程度上提升效果，但如果综合考虑训练的耗时和模型后续的持续迭代，采用搜索+问答的方案则更具性价比。
- 数据量很少，可以微调吗？
如果您准备用于微调的数据量很少，无法满足最小的量级要求，那么不建议您直接使用该数据进行微调，否则可能会存在如下问题：
- 过拟合：当微调数据量很小时，为了能充分学习这些数据的知识，可能会训练较多的轮次，因而模型会过分记住这些数据，导致无法泛化到其他数据上，最终发生过拟合现象。
- 欠拟合：当微调数据量很小时，模型无法有效地调整模型的参数，同时也很容易受到数据噪声的干扰，从而影响模型的鲁棒性。当目标任务的难度较大时，该问题将愈加显著。
如果您的可用数据很少，也可以采取一些方法来扩充您的数据，从而满足微调要求，比如：
- 数据增强：在传统机器学习中，可以通过简单的重复上采样方式来扩充数据，但该方法不适用于大模型微调的场景，这将导致模型的过拟合。因此可以通过一些规则来扩充数据，比如：同义词替换、语法结构修改、标点符号替换等，保证数据的多样性。
- 基于大模型的数据泛化：您可以通过调用大模型（比如盘古提供的任意一个规格的基础功能模型）来获取目标场景的数据，以此扩充您的数据集。为了能获取更高质量的数据，可以通过CoT（思维链）、self-instruct等方式批量调用大模型，来获取满足您要求的数据。
- 人工标注：如果以上两种方案均无法满足您的要求，您也可以使用“数据标注”功能，采用人工标注方式来获取数据。
- 数据量足够，但质量较差，可以微调吗？
对于微调而言，数据质量非常重要。一份数据量少但质量高的数据，对于模型效果的提升要远大于一份数据量多但质量低的数据。若微调数据的质量较差，那么可能会导致模型学习到一些错误或者不完整的信息，从而影响模型的准确性和可靠性。因此，不建议您直接使用低质量数据进行微调。
一份高质量的数据应具备以下几类特征：
- 数据与目标任务一致：微调数据应该与微调任务的目标和分布保持一致，反映出任务的实际要求。比如，现在需要微调一个情感分类的模型，模型只需要回复“消极”或者“积极”：
- 情感分类场景-典型低质量数据：数据中存在与目标任务不一致的样本。
{"context": ["请分析以下内容的情感，只回复积极或者消极\n内容：xxx], "target": "积极"} {"context": ["请分析以下内容的情感，只回复积极或者消极\n内容：xxx], "target": "消极"} {"context": ["请分析以下内容的情感，只回复积极或者消极\n内容：xxx], "target": "这段内容xxx"} {"context": ["请分析以下内容的情感，回复你的看法\n内容：xxx], "target": "这段内容xxx"} …… - 情感分类场景-较高质量数据：数据指向性明确。
{"context": ["请分析以下内容的情感，回复积极或者消极\n内容：xxx], "target": "积极"} {"context": ["请分析以下内容的情感，回复积极或者消极\n内容：xxx], "target": "消极"} ……
- 情感分类场景-典型低质量数据：数据中存在与目标任务不一致的样本。
- 数据中无异常样本：微调数据需要加工和校验，滤除其中的噪声，尽可能保证回答中不存在异常数据。比如，空数据、重复、水印、异常字符等。
- 数据多样性：微调数据需要具有一定的多样性，多样性能增加任务的复杂度和难度，让模型能够处理不同的情况和问题，提升模型泛化性。比如，现在需要微调一个文案创作的模型，模型需要生成各个城市的宣传文案：
- 文案创作场景-典型低质量数据：数据多样性差。
{"context": ["请帮我写一份宣传文案"], "target": "北京，xxx"} {"context": ["请帮我写一份宣传文案"], "target": "上海，xxx "} {"context": ["请帮我写一份宣传文案"], "target": "广州，xxx "} {"context": ["请帮我写一份宣传文案"], "target": "深圳，xxx "} …… - 文案创作场景-较高质量数据：数据有一定多样性。
{"context": ["请帮我写一份宣传文案介绍北京"], "target": "北京，xxx"} {"context": ["现在需要你写一份文案来宣传上海"], "target": "上海，xxx "} {"context": ["广州市需要一份推广文案，请开始创作"], "target": "广州，xxx "} {"context": ["你是一名导游，现在请向我介绍下深圳这座城市"], "target": "深圳，xxx "} ……
- 文案创作场景-典型低质量数据：数据多样性差。
若目标任务是相对明确的，则在微调数据中，每个任务的Prompt可以保持固定的。注意，这里Prompt保持固定和保证数据多样性，二者并不冲突。
如果您的数据质量较差，也可以采取一些方法来提升数据质量，比如：
- 数据过滤：您可以通过一些简单基础的规则逻辑来过滤异常数据，比如，去空、去重、字符串过滤等。同时，您也可以采用PPL（困惑度），或训练一个二分类模型等方式过滤脏数据。
- 数据转换：您可以通过一些规则来提升数据的多样性，比如：同义词替换、语法结构修改、标点符号替换等，保证数据的多样性。
- 基于大模型的数据泛化：您可以通过调用大模型（比如盘古提供的任意一个规格的基础功能模型）来获取目标场景的数据，以此提升数据质量。一个比较常见的方法是，将微调数据以及数据评估标准输入给模型，让模型来评估数据的优劣。
- 人工标注：如果以上方案均无法满足您的要求，您也可以使用“数据标注”功能，采用人工标注方式来加工数据。
- 数据与目标任务一致：微调数据应该与微调任务的目标和分布保持一致，反映出任务的实际要求。比如，现在需要微调一个情感分类的模型，模型只需要回复“消极”或者“积极”：
ai垂直大模型什么意思常见问题
更多常见问题 >>-
盘古大模型致力于深耕行业，打造金融、政务、制造、矿山、气象、铁路等领域行业大模型和能力集，将行业知识know-how与大模型能力相结合，重塑千行百业，成为各组织、企业、个人的专家助手。
-
模型转换，即将开源框架的网络模型（如Caffe、TensorFlow等），通过ATC（Ascend Tensor Compiler）模型转换工具，将其转换成昇腾AI处理器支持的离线模型。
-
本次Serverless应用中心上线文生图应用，用户无需下载源代码、了解各种安装部署知识、安装复杂的依赖，通过华为云Serverless应用中心即可一键创建AI文生图应用，体验 “0” 构建门槛、“0” 资源闲置并具备极致弹性的Serverless AI绘图能力。
-
在自然语言处理（NLP）领域中，使用语言模型预训练方法在多项NLP任务上都获得了不错的提升，广泛受到了各界的关注。本课程将简单介绍一下预训练的思想，几个代表性模型和它们之间的关系。
-
华为云Serverless技术极大的优化了AI应用开发过程，一键部署AI应用、提升开发团队工作效率。让AI团队可以更关注业务实现，而无需关注底层技术细节。
-
知识图谱（KG）和大语言模型（LLM）都是知识的表示形式。KG是符号化的知识库，具备一定推理能力，且结果可解释性较好。但存在构建成本高、泛化能力不足、更新难等不足。
更多相关专题
长按/截图保存，微信识别二维码
或者关注公众号“华为云”