产品简介
西湖心辰是一家专注于人工智能服务研发的科技公司,致力于为全球用户提供全链路的AIGC和人工智能技术服务。其核心产品包括自研的通用大模型“西湖大模型”,以及面向不同场景的垂直应用如Friday、造梦日记、聊会小天和心辰智能云等。
西湖大模型作为公司的技术基石,不仅具备强大的跨领域知识解决问题能力(高智商),更在情感感知和长期记忆方面表现出色(高情商),能够与用户进行深度、自然的互动。该模型家族拥有多个成员,参数量覆盖从100多亿到1000多亿的规模,旨在满足多样化的算力需求与应用场景。
核心功能体系
西湖心辰构建了丰富的产品矩阵,涵盖语言、语音、图像及心理服务等多个维度:
- 西湖大模型:提供基础的问答、写作、代码生成及多语言翻译能力,支持复杂逻辑推理。
- 心辰Lingo语音大模型:专注于语音交互领域,提升人机语音沟通的自然度与准确性。
- AI绘画-造梦日记:基于文本描述生成高质量图像,辅助创意设计与内容创作。
- AI写作-Friday:针对文本创作场景优化,协助用户完成文章撰写、润色及灵感激发。
- AI心理咨询-聊会小天:结合心理学专业知识与大模型共情能力,为用户提供情绪疏导与心理陪伴服务。
特色能力与技术优势
西湖大模型在技术实现上注重交互质量与内容多样性,具备以下特色能力:
情感陪伴与长期记忆:不同于传统仅关注事实回答的模型,西湖大模型强调情感感知。它能够理解用户的情绪状态,并通过长期记忆机制保持对话的连贯性,建立更深层次的用户连接。
高级采样策略:为了生成更自然、多样的文本,模型支持核采样(Top p)等高级采样方法。相较于传统的Temperature采样,核采样能更动态地考虑标记的概率分布,从而在保证逻辑性的同时增加输出的丰富度。
重复性控制:系统内置了针对新标记的惩罚机制。一方面,根据标记在文本中的出现频率进行惩罚,降低逐字重复同一行内容的可能性;另一方面,根据标记是否已出现在当前上下文中进行惩罚,鼓励模型探索新主题,避免话题停滞。
适用人群与应用场景
西湖心辰的服务对象涵盖个人用户与企业用户,应用场景广泛:
| 用户类型 | 典型场景 | 对应价值 |
|---|---|---|
| 个人用户 | 日常聊天、情绪排解、创意写作、语言学习 | 获得情感陪伴,提升创作效率,获取知识解答 |
| 娱乐与游戏行业 | NPC角色对话、剧情生成、玩家互动 | 增强游戏沉浸感,提供个性化的游戏体验 |
| 社交应用 | 智能助手、虚拟伴侣、社区内容生成 | 提升用户活跃度,丰富社交互动形式 |
| 医疗与健康 | 初步心理筛查、健康咨询辅助、患者陪伴 | 提供即时的情绪支持,辅助专业医疗服务 |
| 金融行业 | 智能客服、研报摘要、合规文档处理 | 提高服务响应速度,降低人工成本 |
使用流程与服务接入
用户可以通过多种方式使用西湖心辰的产品与服务:
- 直接使用终端应用:个人用户可直接通过Friday、造梦日记、聊会小天等APP或网页端体验具体的AI功能。
- API服务接入:企业开发者可通过心辰智能云平台调用API接口,将大模型能力集成至自有业务系统中。
- 模型提交与审核:对于有特定需求的团队或参赛者,支持自带模型提交。用户需先阅读相关说明,联系官方进行模型的提交与审核。每个参赛团队通常使用一个主账号进行模型提交。
- 资源管理:在使用云服务时,需注意模型创建前需完成购买流程。虽然部分会员权益可能无字数额度限制,但NLP模型本身仍存在调用频率及并发限制,需合理规划使用。
使用建议与最佳实践
为了获得更好的模型输出效果,建议用户在使用时注意以下几点:
提供清晰描述:在输入提示词时,尽量提供符合预期的详细描述。清晰的上下文有助于模型更准确地理解意图,生成高质量的结果。
合理设置参数:根据任务类型调整采样参数。对于需要创造性的任务,可适当调整Top p值以增加多样性;对于需要严谨事实的任务,则应限制采样范围以确保准确性。
关注并发限制:在高并发场景下,建议企业用户提前评估流量峰值,并与技术支持沟通以确保服务的稳定性。
常见问题
关于模型的使用有哪些注意事项?
用户在使用过程中应注意,虽然部分会员服务可能在字数额度上较为宽松,但底层的NLP模型本身设有调用次数及并发连接的限制。此外,模型生成结果受输入描述质量影响较大,建议提供清晰、具体的指令。若遇到模型响应缓慢,可能是由于服务器负载较高或模型正在训练中,需耐心等待。
是否支持上传自带模型?
是的,平台支持用户上传自带模型。这通常适用于特定的比赛场景或企业定制化需求。用户需先仔细阅读官方提供的“上传模型”页面说明,了解格式要求与审核标准,随后联系官方团队进行模型的提交与审核工作。每个参赛团队通常需使用一个主账号进行操作。
如何避免模型生成重复或单调的内容?
西湖大模型内置了多种机制来优化生成质量。系统会根据标记在文本中的出现频率以及是否已存在于当前上下文中,对新标记施加惩罚。这种机制能有效降低逐字重复的可能性,并鼓励模型谈论新主题。用户也可通过调整核采样(Top p)等参数,进一步平衡内容的创造性与相关性。
