第316章 好冷（第2页）

技术基于通用大模型搭建电力生命周期评估（lca）领域的专业大模型。

rag

技术核心在于将传统的语言生成模型与信息检索系统结合起来。

这种结合不仅使模型能够

生成语言，还能从大量的文档中检索到具体的事实和数据，从而提供更加精确和详细的生成内容。

rag

的工作流程大致可以分为以下几步：

查询生成：根据输入，如一个问题或提示，生成一个查询。

文档检索：使用生成的查询在知识库中检索相关文档或信息。

内容融合：将检索到的信息与原始查询融合，形成新的、丰富的输入。

答案生成：基于融合后的输入，使用语言生成模型生成最终的文本输出。

先前已经构建好了针对电力

lca

领域的专业大模型，但是缺少检验模型的手段，即缺少模型优

化环节，本项目设置通过

chatbot

模式，通过与用户进行问答的形式，检验模型是否能调用电力行

业

lca

领域向量数据库回答该领域专业性问题和时效性问题的有效性。

chatbot

模式的测试不仅可以验证模型的知识覆盖范围和答案的准确性，还可以评估模型的用

户交互能力。

这种测试模拟真实用户与模型的交互，可以揭示模型在理解和生成回应方面的潜在问

题。

测试流程包括以下几个步骤：

测试设计：根据目标领域定义测试用例，包括典型问题、边缘情况和错误输入。

下一步设有12人参与预测，将每个人预测的数值进行汇总分别对其求平均

可以得到8.43为中位数的平均数

累计概率为把概率点位平分，每点之间的概率都是12.5%

所以我们可以看到低于或等于8.84的概率是75%

根据外推预测和差值需要，将函数绘制成平滑曲线，然后我们就可以对其进行估计，可以使用两种方法，点估计和区间估计。

人们利用已经掌握的知识和手段，预先推知和判断事物未来发展的

状况的活动。

简单的说就是，没发生的事情全是预测，小到预测打

本章未完，点击下一页继续阅读