大语言模型行业应用落地案例

地应用落地。针对垂直类的专家型应用场景，仅用思维链、微调及外挂行业知识库方式是无法满足实际业务需求的，企业至少需要对通用大模型做二次预训练及微调，才能实现一款专家级别的大语言模型。星环科技大模型训练2023年作为大模型元年，AI行业重新洗牌，各行业应用+大模型的模式纷纷落地，行业主管部门也纷纷牵头大模型语料的组建，聚焦高质量语料的积累、开放共享及安全治理，逐步完善大模型生态构建，确保大模型更好工具，帮助企业打造自己的专属大模型星环科技在行业内首先提出行业大模型应用创新场景，推出相应的工具，帮助企业构建自有的行业大模型，通过大模型基础设施，形成具备“新型人机交互”且“敏捷可持续迭代“的人工智能应用。为了帮助企业用户基于大模型构建未来应用，星环科技推出了SophonLLMOps，帮助企业构建自己的行业大模型。除此之外，星环科技在行业首先推出了两大行业大模型：服务于金融行业的星环金融大模型无涯，以及大数据分析大模型SoLar“求索”。

地应用落地。针对垂直类的专家型应用场景，仅用思维链、微调及外挂行业知识库方式是无法满足实际业务需求的，企业至少需要对通用大模型做二次预训练及微调，才能实现一款专家级别的大语言模型。星环科技大模型训练2023年作为大模型元年，AI行业重新洗牌，各行业应用+大模型的模式纷纷落地，行业主管部门也纷纷牵头大模型语料的组建，聚焦高质量语料的积累、开放共享及安全治理，逐步完善大模型生态构建，确保大模型更好工具，帮助企业打造自己的专属大模型星环科技在行业内首先提出行业大模型应用创新场景，推出相应的工具，帮助企业构建自有的行业大模型，通过大模型基础设施，形成具备“新型人机交互”且“敏捷可持续迭代“的人工智能应用。为了帮助企业用户基于大模型构建未来应用，星环科技推出了SophonLLMOps，帮助企业构建自己的行业大模型。除此之外，星环科技在行业首先推出了两大行业大模型：服务于金融行业的星环金融大模型无涯，以及大数据分析大模型SoLar“求索”。

地应用落地。针对垂直类的专家型应用场景，仅用思维链、微调及外挂行业知识库方式是无法满足实际业务需求的，企业至少需要对通用大模型做二次预训练及微调，才能实现一款专家级别的大语言模型。星环科技大模型训练2023年作为大模型元年，AI行业重新洗牌，各行业应用+大模型的模式纷纷落地，行业主管部门也纷纷牵头大模型语料的组建，聚焦高质量语料的积累、开放共享及安全治理，逐步完善大模型生态构建，确保大模型更好工具，帮助企业打造自己的专属大模型星环科技在行业内首先提出行业大模型应用创新场景，推出相应的工具，帮助企业构建自有的行业大模型，通过大模型基础设施，形成具备“新型人机交互”且“敏捷可持续迭代“的人工智能应用。为了帮助企业用户基于大模型构建未来应用，星环科技推出了SophonLLMOps，帮助企业构建自己的行业大模型。除此之外，星环科技在行业首先推出了两大行业大模型：服务于金融行业的星环金融大模型无涯，以及大数据分析大模型SoLar“求索”。

地应用落地。针对垂直类的专家型应用场景，仅用思维链、微调及外挂行业知识库方式是无法满足实际业务需求的，企业至少需要对通用大模型做二次预训练及微调，才能实现一款专家级别的大语言模型。星环科技大模型训练2023年作为大模型元年，AI行业重新洗牌，各行业应用+大模型的模式纷纷落地，行业主管部门也纷纷牵头大模型语料的组建，聚焦高质量语料的积累、开放共享及安全治理，逐步完善大模型生态构建，确保大模型更好工具，帮助企业打造自己的专属大模型星环科技在行业内首先提出行业大模型应用创新场景，推出相应的工具，帮助企业构建自有的行业大模型，通过大模型基础设施，形成具备“新型人机交互”且“敏捷可持续迭代“的人工智能应用。为了帮助企业用户基于大模型构建未来应用，星环科技推出了SophonLLMOps，帮助企业构建自己的行业大模型。除此之外，星环科技在行业首先推出了两大行业大模型：服务于金融行业的星环金融大模型无涯，以及大数据分析大模型SoLar“求索”。

地应用落地。针对垂直类的专家型应用场景，仅用思维链、微调及外挂行业知识库方式是无法满足实际业务需求的，企业至少需要对通用大模型做二次预训练及微调，才能实现一款专家级别的大语言模型。星环科技大模型训练2023年作为大模型元年，AI行业重新洗牌，各行业应用+大模型的模式纷纷落地，行业主管部门也纷纷牵头大模型语料的组建，聚焦高质量语料的积累、开放共享及安全治理，逐步完善大模型生态构建，确保大模型更好工具，帮助企业打造自己的专属大模型星环科技在行业内首先提出行业大模型应用创新场景，推出相应的工具，帮助企业构建自有的行业大模型，通过大模型基础设施，形成具备“新型人机交互”且“敏捷可持续迭代“的人工智能应用。为了帮助企业用户基于大模型构建未来应用，星环科技推出了SophonLLMOps，帮助企业构建自己的行业大模型。除此之外，星环科技在行业首先推出了两大行业大模型：服务于金融行业的星环金融大模型无涯，以及大数据分析大模型SoLar“求索”。

地应用落地。针对垂直类的专家型应用场景，仅用思维链、微调及外挂行业知识库方式是无法满足实际业务需求的，企业至少需要对通用大模型做二次预训练及微调，才能实现一款专家级别的大语言模型。星环科技大模型训练2023年作为大模型元年，AI行业重新洗牌，各行业应用+大模型的模式纷纷落地，行业主管部门也纷纷牵头大模型语料的组建，聚焦高质量语料的积累、开放共享及安全治理，逐步完善大模型生态构建，确保大模型更好工具，帮助企业打造自己的专属大模型星环科技在行业内首先提出行业大模型应用创新场景，推出相应的工具，帮助企业构建自有的行业大模型，通过大模型基础设施，形成具备“新型人机交互”且“敏捷可持续迭代“的人工智能应用。为了帮助企业用户基于大模型构建未来应用，星环科技推出了SophonLLMOps，帮助企业构建自己的行业大模型。除此之外，星环科技在行业首先推出了两大行业大模型：服务于金融行业的星环金融大模型无涯，以及大数据分析大模型SoLar“求索”。

大模型的落地应用正在多个领域和行业中逐步展开，以下是一些具体的应用场景和进展：1.智能客服领域应用方式：大模型可以理解用户咨询的问题，并生成准确的回答。例如，当用户询问产品的功能、使用方法、故障排除生成领域应用方式：在新闻媒体行业，大模型可以根据新闻事件的线索和数据生成新闻稿件。例如，体育赛事的新闻报道，大模型可以根据比赛结果、关键球员数据等信息快速生成新闻内容，编辑人员再进行审核和修改，提高，提高公众的健康素养。4.金融行业应用方式：智能投研方面，大模型可以分析海量的金融市场数据、公司财报、行业新闻等信息，挖掘投资线索，生成投资报告。例如，通过对多家上市公司的财务报表进行分析，预测公司的等问题时，大模型能够根据预先训练的知识和规则进行回答。通过自然语言处理技术，它可以处理多种语言表述，无论是清晰明确的问题还是模糊、带有情绪的问题。实现多轮对话功能。在对话过程中，大模型能够记住之前的格，帮助创作者拓展思路。3.医疗健康领域应用方式：辅助医疗诊断，大模型可以对患者的症状描述、病历、检查报告等信息进行分析，提供可能的疾病诊断参考。例如，当患者在在线医疗平台上描述自己的症状时，大模型结合

大模型的落地应用正在多个领域和行业中逐步展开，以下是一些具体的应用场景和进展：1.智能客服领域应用方式：大模型可以理解用户咨询的问题，并生成准确的回答。例如，当用户询问产品的功能、使用方法、故障排除生成领域应用方式：在新闻媒体行业，大模型可以根据新闻事件的线索和数据生成新闻稿件。例如，体育赛事的新闻报道，大模型可以根据比赛结果、关键球员数据等信息快速生成新闻内容，编辑人员再进行审核和修改，提高，提高公众的健康素养。4.金融行业应用方式：智能投研方面，大模型可以分析海量的金融市场数据、公司财报、行业新闻等信息，挖掘投资线索，生成投资报告。例如，通过对多家上市公司的财务报表进行分析，预测公司的等问题时，大模型能够根据预先训练的知识和规则进行回答。通过自然语言处理技术，它可以处理多种语言表述，无论是清晰明确的问题还是模糊、带有情绪的问题。实现多轮对话功能。在对话过程中，大模型能够记住之前的格，帮助创作者拓展思路。3.医疗健康领域应用方式：辅助医疗诊断，大模型可以对患者的症状描述、病历、检查报告等信息进行分析，提供可能的疾病诊断参考。例如，当患者在在线医疗平台上描述自己的症状时，大模型结合

大模型的落地应用正在多个领域和行业中逐步展开，以下是一些具体的应用场景和进展：1.智能客服领域应用方式：大模型可以理解用户咨询的问题，并生成准确的回答。例如，当用户询问产品的功能、使用方法、故障排除生成领域应用方式：在新闻媒体行业，大模型可以根据新闻事件的线索和数据生成新闻稿件。例如，体育赛事的新闻报道，大模型可以根据比赛结果、关键球员数据等信息快速生成新闻内容，编辑人员再进行审核和修改，提高，提高公众的健康素养。4.金融行业应用方式：智能投研方面，大模型可以分析海量的金融市场数据、公司财报、行业新闻等信息，挖掘投资线索，生成投资报告。例如，通过对多家上市公司的财务报表进行分析，预测公司的等问题时，大模型能够根据预先训练的知识和规则进行回答。通过自然语言处理技术，它可以处理多种语言表述，无论是清晰明确的问题还是模糊、带有情绪的问题。实现多轮对话功能。在对话过程中，大模型能够记住之前的格，帮助创作者拓展思路。3.医疗健康领域应用方式：辅助医疗诊断，大模型可以对患者的症状描述、病历、检查报告等信息进行分析，提供可能的疾病诊断参考。例如，当患者在在线医疗平台上描述自己的症状时，大模型结合

OverviewAclusterisaHippoCloudinstanceassociatedwithspecificcomputingresources.Youcancreaterelatedtables,insertcorrespondingdata,andcompleteproductexperiencewithinacluster.Beforeyouusethedemoenvironment,youneedtocreateacluster.CreateClusterYouneedtogotothespecificproject.Iftherearenoclustersunderthecurrentproject,youcanclickthe'Createcluster'buttonbelowtheclustercreationguidancepagetoentertheclustercreation.Ifthereareclustersunderthecurrentproject,youcanclickthe'+Cluster'buttonabovetheclusterlist...

查看Master节点通过以下命令，查看集群Master节点信息：curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/master?v'返回结果：epochtimestampactive.master.hostactive.master.portmaster.group169079683909:47:19172.29.203.18926841172.29.203.189:26841,172.29.203.189:26851,172.29.203.189:26861查看数据节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes?v'//查看所有节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes/{node}?v'//{node}表示待匹配的节点地址，支持以*通配，支持指定多个pattern，多个pattern以逗号分割返回结果：

过滤条件表达式Hippo当前支持如下表达式，可用于标量或向量查询。表46.过滤条件表达式表达式描述and当前版本支持and，不支持or/not==等值<小于⇐小于等于>大于>=大于等于inin[1,2,3]notinnot_in[1,2,3]like'_'表示匹配任一字符，'%'表示匹配任意字符，'\'为转义符向量相似性检索本节描述如何进行向量相似度搜索。Hippo中的向量相似性搜索计算查询向量与表中向量的距离，返回最相似的结果集。通过指定标量过滤条件，用户可以进行向量与标量的混合搜索。curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/{table}/_search?pretty'-H'Content-Type:application/json'-d'{"output_fields":["book_id"],"search_params":{"anns_field":"book_intro","topk":2,"params":{"nprobe":10},"embedding_index":"ivf_flat_index"}...

本节测试主要描述了Hippo1.0在关键测试上的一些性能表现，该份测试同样也是Hippo的基准测试，后续版本发布也会在不同版本上进行该测试进行对比分析。术语表142.Hippo性能测试术语TermDescriptionnq一次搜索请求中搜索的向量个数topk一次请求中对于要检索的每个向量(依赖nq)，所能检索到最近距离的向量个数RT一次请求从发起到接受响应的时间]QPS请求在每秒内成功执行的次数dataset测试所用数据集，不同数据集表示不同的业务场景测试集群配置硬件配置表143.性能测试硬件配置硬件规范Nodes3CPUIntel®Xeon®Gold5218RCPU@2.10GHzMemory16*\16GBRDIMM,3200MT/sDISKNVMeSSD2T*4GPUNONE软件配置表144.性能测试软件配置软件版本Hippov1.2TranswarpManagerTDH9.3.0测试集表145.性能测试数据集数据集名称数据集介绍向量维度向量总数查询数量数据总量距离类型Sift-128-euclidean该数据集是基于Texmex的数据集整理，使用SIFT算法得到的图片特征向量。...

运维管理界面WebserverWebserver是Hippo提供运维监控的界面。默认访问地址为:4567"class="bare">http://<webserver_ip>:4567。或者在Manager管理界面我们可以通过下图所示的查看链接这里进行跳转。图15.登录HippoWebserverWebserver主要由下面几个部分构成。概况图16.概况该页面展示了Hippo集群的基本信息，包括：Masterstatus：当前的ActiveMaster，MasterGroup，MasterAddress，Master的健康状态TabletServerStatus：TabletServerAddress，健康状态，逻辑机架和数据中心信息，容量使用以及Tablet个数TabletNum：当前集群表的个数Version：Hippo版本信息库表图17.库表页面以库和表的概念集群存储的各类数据信息。库信息：库名库创建时间库内各类表的信息：点击某个库，可以看到库下所有表的信息，主要包括：••表的ID••表的名字••表的状态••表的Tablet数量••表的Engine类型••表的副本数•...

OverviewUnstructureddatamanagementismoreimportantthaneverduetotheriseofbigdata.Managingandgleaningbusinessvaluefromunstructureddataisofutmostimportancetoenterprisestoday.Advancementsinmachinelearning,aswellasdeeplearning,technologiesnowenableorganizationstoefficientlyaddressunstructureddataandimprovequalityassuranceefforts.Inthefieldofartificialintelligenceormachinelearning,embeddingsandvectordatabaseshavebecomeincreasinglyimportantfortacklingawiderangeofproblems.Thesetechniquesareusedtorepresen...

本节介绍Hippo表写入相关操作。Hippo会返回写入成功数据的下标以及总共写入成功的数据条数，如果出现行级错误（比如主键冲突），Hippo会返回具体的行级错误。插入本节介绍如何向Hippo中插入数据。curl-ushiva:shiva-XPUT'localhost:8902/hippo/v1/{table}/_bulk?database_name={database_name}&pretty'-H'Content-Type:application/json'-d'{"fields_data":[{"field_name":"book_id","field":[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74...

Hippo在1.2版本提供了全文索引能力，兼容ElasticSearch6.7.2语法，在底层架构上复用了公司产品TranswarpScope的一部分特性，支持以Java/HTTPRestful的形式通过Hippo的HTTPServer接口进行全文索引的创建、查询、使用等各类需求，通过该能力的支持，可以更好的实现向量与全文的混合检索。通过将向量检索加全文检索的联合召回，可以降低漏检和误检的概率，能够实现比单独使用向量或全文更高的精度。同时，一套数据库系统可避免部署多套系统带来的架构复杂、开发运维成本高等问题。具体的使用方法除了访问端口需要将端口从8902调整为9200外，均可参考《TranswarpScope手册》4.TranswarpScopeAPI介绍。

ThistutorialwillguideyouthroughthefollowingtaskswithinHippoCloud:EstablishingatablePerusingthetableIncorporatingdataExecutingsearchoperationsEliminatingrowsDissolvingthetableBeforeyoustartInthisguide,wewillbeutilizingthePythonAPI.Priortocommencement,ensurethatyouhave:RegisteredforaHippoCloudaccount.SubscribedtothecomplimentaryplanandestablishedatrialclusterwithinHippoCloud,orsubscribedtothestandard/enterpriseplansandconstructedadedicatedcluster.IfyouanticipateemployingPythonfordevelopment,ascert...

在Hippo中，比较耗时的操作如激活、加载向量索引实际上是一个分布式任务，用户可以通过任务相关接口查看、删除任务。查看任务curl-ushiva:shiva-XGET"localhost:8902/hippo/v1/_jobs?pretty"-H'Content-Type:application/json'-d'{"job_ids":["fc6feff4f303455a9347f9aab323dfc8"],"action_patterns":["hippo*"]}';返回结果：{"jobs":[{"job_id":"810935a1d91a46b7af2ec35013454fed","job_status":"SHIVA_JOB_SUCCESS","embedding_number":100,"task_results":[{"id":"54ab52493dfb4bab9fb7742d850c64c4","status":"TASK_SUCCESS","server":"172.29.40.26:27841","embedding_number":100,"execute_time":...