(1)用户意图识别并做暖心陪聊,按照产品标签引导用户提供关键信息 (2)设计langgraph workflow解析用户对话,通过千问3.7-flash模型提取关键偏好信息并映射到用户标签 (3)初步设计标签映射评估指标,存储标签sbert embedding,并设计正反义标签来避免对话否定词影响或者sbert关联偏差
1.通过大模型按类别识别图片中的单品并生成重要特征描述 通过gemini、GPT等大模型解析图片,按照上衣、裤子、鞋、包包等类别分别设计prompt,提取重要商品特征,再做格式化拼接 2.Embedding 检索: 将格式化描述转为clip embedding,检索向量库,获得相似商品列表
(1)用户意图识别并做暖心陪聊,按照产品标签引导用户提供关键信息 (2)设计langgraph workflow解析用户对话,通过千问3.7-flash模型提取关键偏好信息并映射到用户标签 (3)初步设计标签映射评估指标,存储标签sbert embedding,并设计正反义标签来避免对话否定词影响或者sbert关联偏差...
1.通过大模型按类别识别图片中的单品并生成重要特征描述 通过gemini、GPT等大模型解析图片,按照上衣、裤子、鞋、包包等类别分别设计prompt,提取重要商品特征,再做格式化拼接 2.Embedding 检索: 将格式化描述转为clip embedding,检索向量库,获得相似商品列表...
添加客服微信,免费为您安排与该工程师直接沟通
长按二维码添加客服微信
如该工程师当前档期不合,也可免费为您推荐相似候选人