在多模态预测模型的基础上，用户可以针对于下游任务，做一些通用的开放域问答、电商域问答等等。
阿里云基于统一的模块化、多模态、大模型底座mPLUG，结合千亿级行业知识图谱的知识沉淀，采用层次化多任务预训练，构建了国内首个“知识交互”零售行业大模型，让商品“更懂”消费者和商家。
从技术层面来讲，阿里云结合通用数据、电商知识、多模态信息，进行层次化预训练。将千亿级零售知识注入行业大模型，让行业大模型反哺知识挖掘任务。除此之外，mPLUG模块化多模态的网络，统一支持NLP、多模态任务。
目前，mPLUG也已广泛应用于主搜、拍立淘、闲鱼、阿里妈妈、数字人、店小蜜等多个阿里电商核心场景，大幅提升业务效果。
除此之外，阿里云基于mPLUG通用底座，进一步对话任务预训练和微调，层次化赋能开放域对话，构建基于对话大模型的知识、情感、个性、记忆，四位一体的开放域对话大模型。
在知识方面，阿里云结合检索进行实时的知识储备，实现开放域知识对话。
在情感方面，阿里云希望模型具备有温度、共情的对话能力。能够让模型具有不同人设、自定义的对话风格。
在记忆方面，阿里云将通过长期记忆、短期记忆融合，让模型记住用户偏好，让回答更一致。
针对任务对话，阿里云构建了通义SPACE，主要针对任务流或特定任务，进行知识融入的预训练大模型。为此，阿里云提出了半监督模式，向预训练对话模型中注入人类标注知识，打造SPACE-1/2/3系列模型。
其中，SPACE-1融合了对话策略知识；SPACE-2融合了对话理解知识；SPACE-3集理解/策略/生成一体。基于SPACE的对话训练模型，不仅在国际对话榜单中多次取得第一，而且应用在阿里巴巴内部的场景。
接下来，讲一讲通义SPACE-T，主要面向多表多轮的表格预训练模型。用户可以用自然语言对表格进行查询，方便用户获取表格信息。基于表格训练模型，阿里云在表格问答的知名榜单上取得了第一，并发表了顶会论文。
