# 大模型服务平台百炼 #
1
关注
1804内容
构建AI智能体：二十六、语言模型的“解码策略”：一文读懂AI文本生成的采样方法
本文探讨了AI文本生成中的采样方法，这些方法决定了AI如何选择候选词来生成文本。文章介绍了两种主要方法：确定性方法（贪心算法和束搜索）和随机采样方法（基础随机采样、温度采样、Top-k采样和Top-p采样）。贪心算法每次选择概率最高的词，生成结果可靠但缺乏创意；束搜索保留多条候选路径，适合需要准确性的任务。随机采样方法则通过引入随机性增加多样性，其中温度采样通过调整温度参数控制创意的随机程度，Top-p采样则动态选择候选词集合，是目前创造性任务的首选方法。
通义千问大模型驱动的法律智能体创新实践
律杏法务云是基于阿里云通义千问大模型构建的新一代法律人工智能平台，通过深度融合OCR、NLP、知识图谱技术与千亿参数级语言模型，在企业法务管理领域实现了从信息抽取、文书生成到风险预警的全流程智能化。本文将深入剖析其技术架构与五大核心模块，揭示大模型如何重塑现代法务工作范式。
星野“崽崽”大规模下架整改：AI陪伴行业的警示与拐点
近日，知名 AI 聊天陪伴软件“星野”对平台内大量智能体进行下架和整改，产品本身也启动了AI 服务模型的升级流程。有用户反馈，智能体在内容生成中出现违禁词率高、角色年龄设置被强制提升至 25 岁以上等明显变化，引发用户和外界关注。
构建AI智能体：二十四、RAG的高效召回方法论：提升RAG系统召回率的三大策略实践
本文探讨了检索增强生成（RAG）系统中的高效召回技术。RAG系统通过检索相关文档增强大语言模型的回答质量，但性能受制于垃圾进，垃圾出原则。为提高召回效果，文章重点分析了三种方法：Small-to-Big通过大小文本块映射兼顾检索精度与上下文丰富度；索引扩展（如HyDE）利用大模型生成假设文档来优化检索；双向改写弥合用户查询与文档表述的差异。这些方法从不同角度解决了RAG系统中的语义鸿沟、词汇不匹配等核心问题，可单独或组合使用。高效召回技术能显著提升RAG系统的回答质量和效率。
构建AI智能体：二十三、RAG超越语义搜索：如何用Rerank模型实现检索精度的大幅提升
本文介绍了重排序(Rerank)技术在检索增强生成(RAG)系统中的应用。Rerank作为初始检索和最终生成之间的关键环节，通过交叉编码器对初步检索结果进行精细化排序，筛选出最相关的少量文档提供给大语言模型。相比Embedding模型，Rerank能更精准理解查询-文档的语义关系，显著提高答案质量，降低Token消耗。文章详细比较了BGE-Rerank和CohereRerank等主流模型，并通过代码示例展示了Rerank在解决歧义查询(如区分苹果公司和水果)上的优势。
PPT大纲生成的AI魔法：3小时工作3分钟搞定，但重点不是效率
本文从反常识角度切入，通过三个场景案例，阐述AI大纲生成工具的真正价值不在于效率提升，而在于帮助使用者建立结构化思维模式。文章提供完整的AI指令和系统的使用进阶指南。
构建AI智能体：二十二、双剑合璧：Qwen系列双模型在文生文、文生图中的搭配应用
使用Gradio构建的一个演示界面，该界面将展示如何使用Qwen-Turbo生成提示词，然后使用Qwen-Image生成图像。 我们将按照之前的设计，将流程分为两个主要步骤：先生成提示词，然后生成图像。在提示词生成成功之前，直接生成图像将会给出提示先生成提示词。
妙妙妙妙！公文、合同、标书…全妙闭环了
阿里云百炼｜全妙，是面向政企、媒体等专业领域的智能创作平台，集“妙策、妙搜、妙笔、妙读”于一体，覆盖公文撰写、合同审查、标书生成、内容采编等高合规场景，助力用户降本增效，释放创造力。
GEO战略指南：如何选择服务商，让AI大模型主动成为你的“推荐官”！
生成式AI时代，GEO成企业转型关键。本文基于技术架构、服务闭环等四大维度，结合阿里云标准，精选五家核心服务商，助企业实现可量化、可追溯的智能升级决策。
MNN × Qwen 实战：离线运行大模型的正确姿势
本期教程带你用MNN+Qwen在手机端部署大模型，从安装MNN Chat体验离线对话，到源码编译、模型转换与推理测试，再到Android/iOS移动端部署全流程实战，并提供精度与性能调优秘籍，助力端侧AI创新挑战赛。
免费试用