“跟以往的大規(guī)模預(yù)訓(xùn)練模型不同,盤(pán)古模型從第一天起就是奔著商業(yè)化落地和企業(yè)級(jí)應(yīng)用的角度進(jìn)行設(shè)計(jì)和研發(fā)的?！毖h(huán)智能(Recurrent AI)聯(lián)合創(chuàng)始人楊植麟博士表示,“作為一個(gè)深耕 NLP 企業(yè)服務(wù)的團(tuán)隊(duì),我們看到了 GPT-3 等大規(guī)模預(yù)訓(xùn)練模型的潛力,但也看到了它們?cè)诼涞剡^(guò)程中的局限。盤(pán)古NLP大模型正是為了克服這些局限而生。”

三大創(chuàng)新,瞄準(zhǔn)NLP大模型落地難題

在NLP大模型的企業(yè)級(jí)落地應(yīng)用中,GPT-3等模型由于應(yīng)對(duì)復(fù)雜商用場(chǎng)景的小樣本學(xué)習(xí)能力弱、難以結(jié)合微調(diào)擴(kuò)展業(yè)務(wù)場(chǎng)景以及難以融入不同領(lǐng)域的知識(shí),所以很難在商業(yè)場(chǎng)景中得到應(yīng)用。為了克服這些局限,盤(pán)古NLP大模型帶來(lái)三大創(chuàng)新。

第一,盤(pán)古NLP大模型在小樣本學(xué)習(xí)任務(wù)上超越GPT-3,解決后者難應(yīng)對(duì)少樣本復(fù)雜商用場(chǎng)景的問(wèn)題。比如在企業(yè)客戶心聲分析和員工執(zhí)行力分析場(chǎng)景中,使用盤(pán)古NLP大模型生產(chǎn)語(yǔ)義標(biāo)簽時(shí),實(shí)測(cè)得到目標(biāo)結(jié)果所需的樣本量?jī)H為GPT-3模型的十分之一,即AI生產(chǎn)效率可提升十倍。

第二,盤(pán)古團(tuán)隊(duì)在預(yù)訓(xùn)練階段加入了基于 prompt 的任務(wù),大幅降低微調(diào)難度,解決以往大模型難為不同行業(yè)場(chǎng)景進(jìn)行微調(diào)的問(wèn)題。在下游數(shù)據(jù)充足時(shí),微調(diào)難度的降低使得模型可以隨著數(shù)據(jù)變多而持續(xù)優(yōu)化;在下游數(shù)據(jù)稀缺時(shí),微調(diào)難度的降低使得模型的少樣本學(xué)習(xí)效果得到顯著提升。比如,在企業(yè)借助溝通內(nèi)容判斷客戶購(gòu)買(mǎi)意向,以找出更多目標(biāo)客戶從而提升轉(zhuǎn)化率的場(chǎng)景中,實(shí)測(cè)盤(pán)古NLP大模型相比GPT-3可提升 27% 的成單轉(zhuǎn)化率。

第三,除了能像GPT-3等僅基于端到端生成的方式以外,盤(pán)古NLP大模型還可以通過(guò)少樣本學(xué)習(xí)對(duì)意圖進(jìn)行識(shí)別,轉(zhuǎn)化為知識(shí)庫(kù)和數(shù)據(jù)庫(kù)查詢,解決以往大模型難融入行業(yè)知識(shí)和數(shù)據(jù)的問(wèn)題。比如在金融服務(wù)場(chǎng)景中,盤(pán)古NLP大模型能更好地賦能實(shí)時(shí)溝通輔助系統(tǒng),幫助服務(wù)人員快速提升業(yè)務(wù)水平,重塑消費(fèi)者體驗(yàn)。

此外,盤(pán)古NLP大模型涉及千億參數(shù)、40TB訓(xùn)練數(shù)據(jù),對(duì)算法、算力、海量數(shù)據(jù)處理都提出了很大挑戰(zhàn)。在算法方面,循環(huán)智能與華為云的算法研究團(tuán)隊(duì)經(jīng)過(guò)數(shù)月的聯(lián)合攻關(guān),通過(guò)在預(yù)訓(xùn)練階段引入基于Prompt的任務(wù)等多項(xiàng)創(chuàng)新方案,成功突破了大模型微調(diào)的難題。在算力方面,鵬城實(shí)驗(yàn)室的國(guó)內(nèi)最大規(guī)模AI訓(xùn)練集群鵬城云腦II,在大模型訓(xùn)練中展示出強(qiáng)大的AI算力和數(shù)據(jù)吞吐能力,為盤(pán)古大模型訓(xùn)練打下堅(jiān)實(shí)的基礎(chǔ)。在海量數(shù)據(jù)處理等方面,華為云底層軟件、訓(xùn)練框架、ModelArts平臺(tái)協(xié)同優(yōu)化,充分釋放算力,達(dá)成全棧性能優(yōu)化。

全新理念,增強(qiáng)“人”的智能

在高附加值的產(chǎn)品銷售與服務(wù)過(guò)程中,如保險(xiǎn)、房產(chǎn)、教育、財(cái)富管理等行業(yè),企業(yè)需要借助人與人之間的溝通過(guò)程,讓銷售人員與客戶建立更緊密的聯(lián)結(jié),提供更專業(yè)的服務(wù)。但由于銷售人員的素質(zhì)和能力提升緩慢,同時(shí)企業(yè)缺乏對(duì)目標(biāo)客戶的了解,導(dǎo)致客戶體驗(yàn)不佳,銷售難獲增長(zhǎng)。

循環(huán)智能(Recurrent AI)為企業(yè)提供人員產(chǎn)能提升、精準(zhǔn)銷售和新一代合規(guī)質(zhì)檢解決方案,幫助企業(yè)更快地提升銷售人員能力、更快地找到目標(biāo)客戶以及降低合規(guī)風(fēng)險(xiǎn)。

? 人員產(chǎn)能提升 Expert↑:借助深入業(yè)務(wù)流程的優(yōu)秀實(shí)踐挖掘、溝通實(shí)時(shí)輔助和執(zhí)行監(jiān)督報(bào)表產(chǎn)品組合,幫助企業(yè)將優(yōu)秀銷售人員的實(shí)踐經(jīng)驗(yàn)傳遞給每一名普通銷售。在與客戶溝通中實(shí)時(shí)輔助銷售人員,提升他們的表現(xiàn),將他們?yōu)槠髽I(yè)創(chuàng)造的價(jià)值最大化。

? 精準(zhǔn)銷售 Target↑:循環(huán)智能開(kāi)創(chuàng)了基于溝通對(duì)話數(shù)據(jù)與成單結(jié)果的意向預(yù)測(cè)模型,通過(guò)算法模型,可篩選存量線索中的高意向線索,或篩選對(duì)某產(chǎn)品更感興趣的客戶名單,幫助銷售人員更精準(zhǔn)地找到目標(biāo)客戶,提升銷售和服務(wù)效率。

? 新一代合規(guī)質(zhì)檢 Complicance↑:不同于基于“關(guān)鍵詞+正則”的傳統(tǒng)方案,循環(huán)智能提供高準(zhǔn)確率和召回率的“非正則”合規(guī)質(zhì)檢方案,配合獨(dú)家的“違規(guī)率排序”功能,可助力質(zhì)檢員多找出 2～10 倍違規(guī)對(duì)話,幫助企業(yè)大幅降低合規(guī)風(fēng)險(xiǎn)。

截止2021年4月,循環(huán)智能(Recurrent AI)已服務(wù)了銀行、保險(xiǎn)、在線教育、房產(chǎn)和消費(fèi)金融等領(lǐng)域的眾多行業(yè)標(biāo)桿客戶,包括招商銀行、人保財(cái)險(xiǎn)、太平洋保險(xiǎn)、招商信諾、水滴、新東方在線、51Talk、豌豆思維、萬(wàn)科、我愛(ài)我家、安居客和捷信等。

關(guān)于循環(huán)智能

循環(huán)智能(Recurrent AI)是一家 AI 企業(yè)服務(wù)公司,借助原創(chuàng)的自然語(yǔ)言處理和深度學(xué)習(xí)技術(shù),幫助中大型企業(yè)充分挖掘?qū)υ挃?shù)據(jù)的價(jià)值,提升員工產(chǎn)能,帶來(lái)業(yè)績(jī)?cè)鲩L(zhǎng)。公司服務(wù)的客戶主要在保險(xiǎn)、銀行、房產(chǎn)和在線教育等領(lǐng)域。創(chuàng)始團(tuán)隊(duì)來(lái)自清華大學(xué)、卡內(nèi)基梅隆大學(xué),并獲得紅杉資本中國(guó)基金、真格基金、金沙江創(chuàng)投、靖亞資本等知名投資機(jī)構(gòu)的支持。2021年,循環(huán)智能入選CB Insights 年度“AI 100全球榜單”。2020年,循環(huán)智能獲得高新技術(shù)企業(yè)認(rèn)證,并被德勤Deloitte評(píng)選為“中國(guó)明日之星50強(qiáng)”。2019～2020年,循環(huán)智能連續(xù)兩年入選《機(jī)器之心》年度“最具產(chǎn)業(yè)價(jià)值”榜單。

zhangnn