自然语言处理

Orange 是中国首个通用人工智能（AGI）系统，旨在通过创新的算法和深度学习技术，推动人工智能的发展。作为一个跨领域的智能平台，Orange 不仅具备强大的数据处理能力，还能够在多种复杂任务中进行自主学习和适应，从而实现超越传统人工智能的智能水平。 Orange 的设计理念是模仿人类思维方式，具备理解、推理和创造的能力。它能够处理各种信息，从语言理解到图像识别，再到复杂的决策制定，为各行各业提供智能解决方案。无论是在教育、医疗、金融还是制造业，Orange 都致力于通过智能化手段提升效率，优化决策，推动业务转型。 随着技术的不断进步，Orange 将持续进化，力求成为推动社会进步和经济发展的重要引擎。它不仅是中国在人工智能领域的一个重要里程碑，更是全球 AGI 研究的先锋，标志着人工智能从单一应用走向全面智能化的新时代。

这个系统主要面向中东市场，提供COD的商品购买服务 系统支持多模板，多语言，多国家，多站点配置，其中语言部分采用AI处理。 不同的模板使用不同的技术路线实现。支持单站点部署，集群部署，Serverless部署。

基于UE5的写实数字人，对接微软，chatgpt等语言大模型，高清写实。多大90多种人物动画，支持AI语音识别、语义理解、语音合成、形象驱动、视频渲染等服务功能。支持人眼跟踪，锁定1名参观者进行对话，参观者移动时，数字人随之变动等功能。支持预置景点、故事等讲解工作。支持景点知识库。支持大模型开放性智能问答基础功能，如天气查询、美食介绍、讲笑话、诗词问答等功能。支持欢迎状态、待唤醒状态和交互状态，欢迎状态展示迎宾水牌；待唤醒状态下展示各类活动宣传的图片、视频和海报；支持通过唤醒词或人脸唤醒虚拟人，并可以语音交互。 担任模型师和UE5主开发，参与数字人场景建模、场景美术等把控，同时负责UI系统，数字人动画系统，换装系统，面部驱动系统，UDP/WebSocket通信系统，动捕系统，体感游戏等所有蓝图功能的开发迭代。以及对不同端的性能优化

我是一名专注于深度学习和人工智能领域的软件工程师，拥有丰富的实践经验和扎实的技术背景。我擅长使用 Python 进行编程，并在图像处理和自然语言处理领域有着深入的研究和实践。我曾成功应用深度学习模型于新闻文本分类、人体姿态识别项目以及图像分类检测等任务。 项目经验 新闻文本分类系统： 行业应用：媒体、出版、内容分析 功能实现：自动化新闻内容分类，个性化新闻推荐，内容审核 技术亮点：利用预训练模型 BERT 提升分类准确性，支持多类别文本分类 人体姿态识别系统： 行业应用：健康监测、运动分析、安全监控、人机交互 功能实现：运动训练分析，老年人跌倒检测，异常行为识别 技术亮点：实时数据处理，高准确性的姿态识别算法，易于集成的 API 设计

1.此项目面向对象是公司的客服部门，解决了客服人员每天面对数量庞大的咨询量时的回复不及时、漏回复、错误回复等问题，提高了部门30%的工作效率 2.此项目主要是使用了qwen-1.8b大模型学习训练识别意图信息，提取有效槽位，实现机器人快速、精准的回复 3.本项目使用了spring全家桶、mysql、redis、rq、阿里云sls日志、react等技术

1.面向相关农业科技化，解决了根据耕地数据进行种植推荐和产量预测问题 2.方案中有如下特点：ML实现作物推荐、DL产量预测、千帆语言模型多轮对话、爬虫新闻信息 3.基于python 的django框架实现

1，本方案是个语音模拟应用 2， 基于XTTS开源代码，搭建了一整套WEB应用。用户从网页上传要模拟的声音文件，并输入一段文字，可生成用模拟语音朗读的文字音频。 3， 涉及到通用的前后端开发技术，Python/Flask, JS/Vue/HTML/CSS,和Celery/Redis异步通信，及MongoDB；搭建在Docker系统中。

1、使用llm大语言模型控制无人机飞行，包括前进、后退，旋转，角度飞行。 2、使用文字在命令行中输入控制指令，支持中文和英文。 3、实现多机联动，多台无人机组成集群，实现矩阵飞行演示。 4、使用airsim无人机虚拟环境进行试验，无需真机环境。

在最近三周时间里，我分别收集了发布于新浪网站的国内（Domestic News）与国际新闻（International News）。针对每条新闻，我都一一记录了新闻的标题，发布时间，来源及新闻报道的正文，并将相关数据存储于MySQL数据库中，以供后期数据查询与分析。之后依据收集到的新闻数据，进行数据格式清洗，冗余数据剔除等数据预处理步骤。接下来分析了新闻发布日期、发布时刻、新闻来源的分布情况，最后制作了新闻标题的词云分布图。通过对比国内与国际新闻分布情况的差异，分析隐藏在数据背后的统计规律与现象。 

1. 项目解决了什么问题？ 项目名为：rag-best-practices（大语言模型检索增强生成技术最佳实践），针对“大语言模型数据更新不及时，垂直领域问答多幻觉”的问题给出了改善方案。通过垂直领域知识库检索辅助模型生成内容，减少生成幻觉，将通用大模型在一定程度上专业化；通过更新知识库，使得过往预训练的大模型能够回答实时新闻报道中出现的内容，进一步提高通用大模型的回答能力。 2. 项目采用的技术？ - Query Classification：并非所有查询都需要检索增强。 - Sliding Window Chunking：块大小显著影响性能。更大的块提供了更多的上下文，增强了理解，但增加了处理时间。较小的分块提高了检索的召回率，减少了时间，但可能缺乏足够的上下文。使用sliding window技术更加有效，即将文本按照句子进行划分，每个块包含窗口大小个句子。 - Embedding：嵌入模型选择BAAI/big-large-en，并对其在专业数据库中进行微调，提高其检索能力。 - Vector Database：Qdrant支持多种索引类型、十亿规模的向量支持。 - Retrie

目的：为企业提供通用的大模型应用平台 功能： 1、账号登录。主要用于企业用户登录系统。 2、系统管理。主要用于管理系统用户。 3、角色管理。主要用于管理AI角色。 4、聊天互动。主要用于与不同的AI角色进行聊天互动，实现企业的业务目标。 技术特点： 1、安全。严格的用户管理和信息安全机制。 2、高效。高速响应的私有化AI模型。 3、优质。持续优化的个性化AI。

本产品面向MCN公司、企业、主播，可以合成声音、音乐、视频。 基于vllm和阿里千问，结合OpenCV，做了微调，更适合音视频特定领域。支持离线部署，可以为企业定制训练模型，也可以接入第三方的NLP模型。

1. 整合目前比较主流ai对话平台的能力 2. 为用户提供一站式服务 这个网站致力于整合当前主流的AI对话平台功能，为用户提供一个便捷高效的一站式服务体验。通过汇集各种优秀的AI技术和对话平台的优势，该网站让用户无需在多个平台间切换，就能享受到多样化的智能对话服务。不论是聊天机器人、客服助手还是智能问答应用，用户都可以在这里找到适合的解决方案。同时，平台还注重用户体验，力求以直观的界面和简易的操作帮助用户更好地与AI互动，从而提升效率并满足多元化需求。

1、本方案面对人脸编辑领域的头发设计问题，解决了联合文本与图像引导头发设计的问题。 2、市面上的头发迁移软件方法落后、效果僵硬、极其不自然。本方案的生成效果真实感强，泛化性强。 3、产品：利用人工智能为产业创能。

深度学习框架：TensorFlow, PyTorch, Keras 编程语言：Python, C++, Java 自然语言处理技术：文本分类、情感分析、机器翻译 大规模数据处理：Spark, Hadoop 模型优化：分布式训练、模型剪枝、量化

面向律师和普通用户，对不同类型合同进行智能审核，提示合同中不足或存在的问题，大大提高工作效率 首先根据不同合同的类型，专业的律师根据国家相关法律法规，定义了需要校验的schema，及校验规则，通过深度学习bert+pointer抽取合同中相关的内容，做好原文的定位，校验后在原文中标注不足或存在的问题

本案列推向小型企业，利用向量化数据库，ollama本地部署，chatollama提供了友好的交互界面。比较其他储存数据的知识库，本项目可以完全私有化，知识库也不上传到云端。可以将公司内部的数据放在本地主机，保证了数据的安全性，私有性。

开发目的：面向宠物医疗行业提供垂直大模型研发、微调和服务 软件的主要功能： 1、账号登录。主要用于用户登录系统。 2、系统管理。主要用于管理系统用户。 3、聊天互动。主要用于与用户进行聊天互动，解决宠物健康相关问题。 4、病历管理。主要用于管理宠物病历。

面向群体：全年龄段 主要功能：主要提供优质资料供于学习，缓解教育资源差距带来的问题 项目获奖：该项目在2024 CCF CAT全国智能体开发大赛获得全国三等 作品图片：提交的是获奖证明 详细看提交的文档(我是第一完成人，队友是长春理工大学硕士，目前在我团队） 商业价值：目前开发阶段，前途无量

大模型通常指的是指基于大规模数据训练的深度学习模型，如GPT-3、BERT等。这些模型通常具有数十亿到数百亿个参数，能够对自然语言进行更深入的理解，并在多个自然语言处理任务上取得出色的表现。 RAG代表Retrieval-Augmented Generation，是一种结合了检索和生成的自然语言处理模型。RAG模型结合了检索式问答和生成式问答的优点，能够在生成答案时从大规模的知识库中检索相关信息。这种模型结构使得它在问答任务中能够更好地处理需要深入推理和大规模知识的问题。 总的来说，大模型通常指的是参数规模庞大的深度学习模型，而RAG是一种结合了检索和生成的自然语言处理模型，能够在问答等任务中发挥作用。