深度学习

本项目主要提供智能翻译功能的引擎。 实现原理是利用Transformer架构通过深度学习进行语言翻译。 和流行的大语言模型翻译的主要区别在于： 1.推理速度快，参数量小，可以在端侧实行推理 2.不像生成式模型大多只用了Transformer的解码器部分。此项目同时使用编码器和解码器，环顾整个句子的前后文字关系进行翻译，提高翻译准确度 本人主要对此项目的神经网络模型进行设计编写和优化。

将主流大模型通义千问和通义万象接入微信用户，达到AI聊天和AI绘图的效果。该项目也支持其他模型，同时能在群聊中进行问答和回复。

项目是类似于chatgpt的聊天机器人，对用户而言它是一个很好的心理医生。 它采用了大模型微调技术以及rag检索，采用lora技术对llava1.5模型利用开源心理治疗数据集进行部分微调。最终用gradio框架进行可视化呈现给用户。

一个简单的闲聊机器人，基于transformer堆叠而成的模型，tokenizer取自hugging face网站的DIalogGPT的tokenizer（因为自己弄实在太麻烦），语料用的是小黄鸡的语料。

项目背景：针对某医院智能问诊系统，开发智能问诊模块，对用户输入进行分析和判断，初步判断用户患病情况，并给出就医指南。 主要职责：负责对话引擎整体的算法设计，并进行相关大模型的微调和服务部署。其中涉及的子任务主要包括: (1). 针对用户输入信息的语义理解，抽取核心信息字段信息，主要包括病症名称词汇和病情描述信息。(2). 利用RAG技术实现对问诊流程的智能问答，包括看病流程，报销流程等等。(3). 针对用户的疾病信息进行问诊引导，包括去哪个科室，处理的流程和注意事项等等。(4).信息智能查询，通过语音查询检测结果信息等功能。 主要成果：完成整体系统的开发和大模型的微调，系统对话整体的准确率达到90%以上。

通过深度学习和机器学习算法实现问答机器人，配合问答库实现客户问题智能答复。 系统分为智能问答模块、后端应用服务模块和前端模块。 智能问答模块实现算法问答对匹配。

个人构建基于酒店咨询类对话机器人 1、项目使用RASA开源框架； 2、项目内加入自己训练的情感识别模型、信息抽取模型、意图识别模型； 3、可以作为酒店有限域对话机器人； 4、项目由本人独立完成。

***旅行助手机器人（内测中） 旅行助手机器人-签证/海关助手： 知识库包括100多个国家的签证和海关政策，可以用使用者的母语回答提问， 解放用户不得不翻阅晦涩外文资料之苦。 知识库能在1天~1周时间内得到最新更新。 旅行助手机器人-酒店助手： 包括20多个国家（持续增加中）的酒店信息，知识库来源包括英文和其它外文网站和YouTube, Ins等，信息量不是那几个中文网站能相比的。 对于未收录酒店，支持商家自行提交图文信息供收录。 后端引擎使用GPT4v等多模态模型，可以识别图片中的信息，例如商家的图片中有日出的图片，即便酒店的描述、评价中均没有出现”日出“的字样，用户查询”可以看日出的酒店“，也可以查到该酒店，给用户的体验不是酒店预定平台能比的。 本机器人可以用使用者的母语回答用户的提问。 旅行助手机器人-美食美酒助手： 包括20多个国家（持续增加中）的酒店信息，知识库来源包括英文和其它外文网站和YouTube, Ins等。 因为许多美食的点评/评价一般只有图片，用户很少或者几乎不写文字，所以一般的搜索平台不太容易搜索到呢。 本机器人后端引擎使用GPT4v等多模态模型，可以识别图片/视频中的信息，轻松网罗Ins等平台的精品餐馆、酒馆，给用户的体验不是其它搜索平台能比的。 本机器人可以用使用者的母语回答用户的提问。 旅行助手机器人-景点玩乐助手： 知识库包括100多个国家的景点信息，除了文字信息，还有YouTube, Ins等平台上用户以视频/图片分享的各种玩法。 本机器人可以用使用者的母语回答用户的提问。 还有 旅行助手机器人-行程规划 等等机器人。 负责部分： LlamaIndex + RAG收集和整理知识库； LangChain实现提问分发和上下文记忆；llama2、claude 、GPT4v和 Zephyr等后端大语言模型评测； TG机器人。 诚征相关领域的持牌商家在贵国/地区展开合作， 可以单纯在机器人回答下方展示广告，也可以白标机器人，也可以买断技术/知识产权。机器人可以在TG、WhatsApp、H5 web端等提供服务。

调用chatglm开源大语言模型，使用langchain框架搭建对话机器人 下载开源chatglm在本地搭建语言模型服务，使用langchain框架调用服务，并构建问答模板 调用chainapi完成长对话机器人