专题演讲嘉宾：曹逸轩

众所周知，大模型并不具备专业的领域知识，往往在回答中产生模型“幻觉”。本演讲将回顾一些让大模型具备专业知识能力的方法，包括领域微调和检索增强的方法，并比较这两类方法的优劣。在此基础上，我们将进一步探讨检索增强的大语言模型中的关键技术，包括全景文档结构识别和 Embedding 模型，以及这些关键步骤对回答质量的影响。希望听众能从中了解大模型知识问答的相关技术知识，并激发可能的应用。

演讲提纲：

1. 大模型的基本原理

• 预训练的训练目标
• ChatGPT 的野心与关键因素
• 大模型现存的问题

2. 面向专业领域的大模型知识问答

• 领域微调与检索增强方法对比
• 面向专业领域的检索增强关键技术
• 全景文档结构识别
• Embedding 模型

3. 现有方法效果对比应用场景展望

你将获得：

• 了解大模型的能力来源及目前存在的问题
• 了解利用领域文档进行专业问答的关键因素有哪些