基于ChatGLM2-6B微调的智能简历解析系统

随着人力资源管理领域的自动化、智能化需求不断增长,基于ChatGLM2-6B微调的智能简历解析系统应运而生。该系统采用ChatGLM2-6B模型,并通过LoRA微调技术实现简历的精准解析及候选人适配度的评估,同时采用量化技术,能够在不同的设备和平台上高效运行。其中,系统的开发使用了Django框架,数据库选用了SQlite,整个开发过程均采用Python语言。这一组合确保了系统的灵活性、可扩展性和可维护性。无论是企业级应用还是个人应用,该系统都能提供快速、准确的简历解析服务,有助于应对企业招聘的挑战并满足个人用户需求,可为人力资源行业提供有力支持。

构建企业级私有化大语言模型助手基于ChatGLM3与RPA技术的实践与探索

随着大语言模型在各行业的应用不断拓展,文章主要探讨了如何将大模型技术应用到勘察设计企业中,研究涵盖了模型搭建背景、评估选型、微调训练以及实际应用场景的探索。在模型选型中采用了清华大学联合智谱AI发布的第三代基座模型ChatGLM3作为基础。详细阐述了模型的部署、本地知识库构建、微调训练,以及RPA技术在数据集转换中的应用。针对勘察设计行业特点,开发智能问答助手,旨在提高企业工作效率、减轻员工负担,同时加强数据安全与隐私管理。同时结合公司数字化转型战略,实现了AI+赋能设计的目标,为行业提供更智能化的解决方案。本研究将大型语言模型应用于实际场景中,为勘察设计企业带来了新的技术应用思路和实用性解决方案。

大语言模型在汉语写作智能评估中的应用研究

研究旨在评估大语言模型在写作自动评分、智能评语生成两个典型写作智能评估任务中的性能。研究以汉语二语学习者为研究对象,采用了3种不同提示策略验证大语言模型在写作自动评分和自动评语反馈方面的有效性,包括标准提示、思维链提示以及自洽思维链提示。结果显示,尽管大语言模型在写作自动评分任务中表现出一定的潜力,其稳定性和可靠性仍有待提高,但通过不断优化这些提示策略,可以显著增强模型处理写作评分和评语生成的能力。此外,这3种提示语会产生不同的效果,以提示的方式评估大语言模型的性能表现存在主观性,还不能完全替代教师独立开展评估测试,但现阶段可以作为辅助工具提高教师评估作文的效率。本研究的发现为大语言模型在汉语写作智能评估领域的应用提供了有力支持,为未来开发更高效、更精准的汉语写作智能评估系统提供参考。

基于自然语言处理的SQL语句生成研究

大数据时代下,数据的价值也随之提升,数据库作为海量数据的存储和管理工具,熟练掌握其查询语言至关重要。为了提升非专业数据库用户使用数据库的简捷度以及提高其数据库操作的效率和准确性,本研究提出了一种基于ChatGLM预训练模型的自然语言转SQL查询语句的方法,即通过分词化、词嵌入、模型训练和模型测试等流程完成文本转SQL研究。在由1020条SQL查询语句构建的数据集上的实验表明,该方法的F1指数达到89.8%,能够满足普通用户的查询需求,促进了数据库的普及和应用。

MedKGGPT:基于知识图谱的医疗大型语言模型设计方法

大型语言模型(Large Language Models,LLM)已经成为现今主流的研究热点,而垂直领域行业大模型则成为落地应用的关键点,以医疗为代表的大型语言模型有着可解释性、可靠性、高安全性等要求。针对这类问题,提出MedKGGPT模型,一个基于ChatGLM的模型,并提出一种面向医疗领域的知识图谱(Knowledge Graphs,KGs)和LLM相结合的框架。框架主要包含两个部分:首先,通过KG三元组中的实体和关系,提出了一种基于KG结构数据的提示工程方法,使得LLM更加具有医学领域的专用知识,提高LLM的可解释性;其次,提出一种利用KG来对齐LLM的方法,将LLM的输出与KG的相关知识进行比较,验证LLM输出结果的一致性和准确性,从而增强了LLM在医疗领域的安全性。实验结果表明,最终生成的MedKGGPT模型能够输出更加具有安全性的结果,说明KG能够有效增强LLM的可解释性,为LLM应用在医疗领域提供了帮助。