正确性保证的智能知识处理
基于数据实体增强、逻辑规则与机器学习一体化等原创理论,实现业务员快速发现原始数据中的潜在错误,并配合LLM下游任务处理,实现文本、表格等多源数据快速形成各类知识数据。
跨模知识数据检索
基于跨模计算理论,以及原创崖山数据库操作系统中的向量检索能力,实现关系数据与图数据跨模统一查询。让机器人在应对复杂问题时能同时分析多类知识库,提升机器人应答准确性。
知识深度关联推荐
基于崖山数据库的近似查询处理以及自适应异步并行能力,实现知识图谱引擎的高效并行计算,让基于知识图谱的应答能实现图谱内多跳知识的深度分析与推荐。
多文本阅读理解
通过测试校准LLM的理解和推理能力,以及其对文本中特定问题的回答能力,实现从一个包含文章段落(或者多个相关知识)的文本中,根据问题的内容和相关上下文,选择或生成最合适的答案。
应答溯源
基于多文本的阅读理解以及知识图谱分析能力,通过文本抽取的方式实现回答溯源到原文内容。系统因为处理各种问题和原文,而不仅仅是特定类型的问题,使其具有较强的通用性,并且用户能通过知识的回溯,确保应答的答案是基于规章制度的事实和原文信息。
全自研行业可控大模型
依托自然语言处理、图知识融合推理计算、文本向量检索等能力,融合行业知识数据的全自研可控语言问答大模型,具有自学习、自训练、高可扩展性、强上下文理解等能力特点。