数据合成:负责领域知识和训练数据的构建与维护,利用数据飞轮机制不断优化数据质量和丰富度,提升模型性能和应用效果
大模型训练:针对业务需求进行大模型的继续训练(CT)、有监督微调(SFT)和强化学习(RL),以及多模态模型训练,实现模型在垂直领域的深度适配,与业务专家合作,构建和优化结构化的提示词系统,利用COT等先进技术增强大模型的推理能力,高效、精准解决实际问题
工具调度和RAG:开发和优化Query理解、Deep Research等技术,提升RAG的效果
实现大模型与工具和知识库的深度融合,基于领先的智能体框架,运用并增强大模型的推理、对话和反思能力,解决复杂业务问题
大模型评测:制定和实施全方位的大模型评估方案,结合人工评估和自动化评估手段,建立完整的评测体系,确保模型性能的可靠性和稳定性
应用落地:深入理解业务痛点,定义问题解决方案,设定任务标准和目标,通过持续的技术创新和优化,实现最佳的业务效果和用户体验