# 自然语言处理 #
1
关注
7880内容
命名实体识别（Named Entity Recognition, NER）
命名实体识别（Named Entity Recognition, NER）
深度学习之多轮对话系统
基于深度学习的多轮对话系统是一种能够在多轮对话中保持上下文连贯并生成自然回复的系统，主要用于客服、智能助理等需要交互式交流的场景。通过深度学习的技术，特别是自然语言处理中的预训练模型和序列生成模型，这类系统已在准确理解、生成自然语言的质量上取得显著进展。
Agent与大模型的区别
本文详细对比了人工智能领域的两个重要概念——Agent和大模型。大模型如GPT-3、BERT等，擅长自然语言处理任务，如文本生成、翻译等；Agent则是自主的软件实体，能够在特定环境中感知、决策并执行任务，如管理日程、控制智能家居等。文章介绍了它们的定义、功能、技术架构及应用场景，并总结了两者的核心差异和未来发展方向。
人工智能技术及其应用：未来的发展趋势
【10月更文挑战第16天】人工智能技术及其应用：未来的发展趋势
通义灵码：新体验与最佳实践
随着AI技术的发展，阿里巴巴推出的通义灵码作为先进的大模型，提升了自然语言处理能力，并在智能对话、多语言支持及自定义训练等方面带来全新体验。文章介绍了通义灵码在客服系统、智能写作及教育领域的应用案例，展示了其提升效率和创造价值的能力。
对话阿里云 CIO 蒋林泉：AI 时代，企业如何做好智能化系统建设？
10 月 18 日， InfoQ《C 位面对面》栏目邀请到阿里云 CIO 及 aliyun.com 负责人蒋林泉（花名：雁杨），就 AI 时代企业 CIO 的角色转变、企业智能化转型路径、AI 落地实践与人才培养等主题展开了讨论。
作为一名运维人员，使用通义灵码个人版处理日常工作中的代码相关任务，极大地提升了我的工作效率。以下是我使用通义灵码的具体实践场景、效果和心得，以及相应的截图。
作为一名运维人员，我使用通义灵码处理日常工作中的代码任务，效率提升了30%。通义灵码帮助我快速理解复杂代码、生成准确的代码注释，并能从自然语言生成代码示例，大幅减少了代码编写和理解的时间。
RAPTOR：多模型融合+层次结构 = 检索性能提升20%，结果还更稳健
本文探讨了通过多模型集成技术提升信息检索系统性能的方法，重点介绍了RAPTOR框架。RAPTOR通过构建层次化的信息组织结构和递归摘要技术，显著提高了检索系统的性能和适应性。研究建立在RAG Fusion技术基础上，旨在提供更全面的信息检索解决方案。
文档智能与RAG技术在LLM中的应用评测
本文介绍了阿里云在大型语言模型（LLM）中应用文档智能与检索增强生成（RAG）技术的解决方案，通过文档预处理、知识库构建、高效检索和生成模块，显著提升了LLM的知识获取和推理能力，尤其在法律、医疗等专业领域表现突出。
免费试用