NLP

GPT-3文本生成模型介绍 GPT-3模型是一个通用的预训练生成模型，使用Transformer的Decoder-only结构，可以用于解决下游各种类型的生成任务，特别是zero-shot生成能力。模

GPT3中文1.3B参数量文本生成模型 GPT-3模型是一个通用的预训练生成模型，使用Transformer的Decoder-only结构，可以用于解决下游各种类型的生成任务，特别是zero-shot

GPT-3夸夸机器人介绍 GPT-3模型是一个通用的预训练生成模型，可以用于解决下游各种类型的生成任务，特别是zero-shot生成能力。我们在GPT-3基础模型上，通过夸夸数据训练了一个GPT-3夸

项目介绍：智能客服语音机器人代替人工客服人员接电话，处理常规的下单、查件、催件、投诉、查时效运费等业务； 主要职责：负责整个产品的生命周期管理、实现0-1的设计以及后期的版本迭代； 主要的功能模块有：对话交互系统设计（业务需求、智能化需求）、智能打断、重复库、知识库、听不到、未知意图、转人工等模块、标签管理、话术以及录音管理、全局设定、报表系统等； 项目成果：项目自 2019 年 6 月上线之后，一直在进行服务； 机器人的解决率达到 75%左右；平稳接待两年的双 11，两年的年货节，以及疫情期间的高话务量， 极大的减轻了客服人员的工作负担，提升了企业的工作效率；

设计并实现一个智能客服聊天机器人，用于提高电信公司客户服务部门的响应速度和服务质量，减少人工客服的工作负担。 从公司数据库提取客服历史对话数据，并使用Python进行数据清洗和预处理，包括去除无用信息、文本标准化和词汇编码。 应用TensorFlow框架设计了基于Transformer的自然语言处理模型，实现了文本的自动理解和回复生成。在模型设计过程中，特别注重提高模型的泛化能力和响应质量。 使用Google Cloud Platform的计算资源进行模型训练，通过调整超参数和使用交叉验证方法优化模型表现。 将训练好的模型部署至公司的服务器，并通过API与现有的客服系统集成。保证聊天机器人的平稳运行，并对其进行定期的性能评估和更新。 成果展示 聊天机器人成功处理了超过70%的常规客户咨询，将人工客服的平均响应时间从5分钟降低到1分钟。 根据客户反馈调查，引入聊天机器人后，客户满意度提升了30%。 通过自动化处理大量常规咨询，公司客服部门的工作效率提高，进而减少了30%人工客服的人力成本。

tke（k8s）集群故障诊断工具（agent+k8sgpt+llm） 使用langchain+本地部署大模型+k8sgpt+企微机器人实现k8s集群的故障智能诊断。

通过运用AI+RPA技术，借助主流RPA平台开发流程自动机器人，实现跨系统数据和业务流程拉通，提高工作效率。 主要技术栈为：RPA、OCR、NLP、Python