得物大模型训练与推理平台上线几个月后，我们与公司内部超过 10 个业务领域展开了全面的合作。在一些关键业务指标方面，取得了显著的成效，例如：
本文基于我们与业务合作的经验，将分享如何在大模型平台上实现业务效果指标提升。我们将以大模型平台上从训练到推理部署的全链路流程为基础，提供优化思路，最终达成业务效果指标的提升。这些流程包括大模型选择、数据准备、大模型训练、效果评估和推理部署。
我们期望更多的业务方能与大模型平台合作，以实现业务效果的提升。
大语言模型是一种基于深度学习算法的人工智能技术，可以模拟人类的语言行为，并能够从大量的文本数据中学习到语言的特征和规律。其应用场景非常广泛，以下是一些主要的应用场景：
自然语言处理：例如文本分类、情感分析、机器翻译等，这些应用可以帮助人们更好地理解和处理不同的语言文本，提高准确率。
文本生成和摘要：例如新闻报道、广告文案、科技论文摘要等，这些应用可以通过对文本内容的分析和理解，自动生成符合语法和语义规则的文本内容。
智能问答系统：例如智能客服、在线教育等，这些应用可以通过对问题的理解和分析，自动回答用户的问题。
社交媒体分析：例如情感分析、主题分类等，这些应用可以通过对社交媒体文本内容的分析和理解，提取出其中的情感、主题等信息，帮助企业了解用户的反馈和情感倾向。
此外还有一些行业大模型的应用场景，比如，法律大模型可以提供专业的法务咨询，医疗大模型可以提供医疗咨询等场景，Code 大模型可以专业去做编码等工作。
目前企业内在很多业务场景中都有对接，而且取得不错的效果，比如：智能问答，商品评论信息分析，自动化编码等场景。
要接入大语言模型，主要有两种方式：
通过设计具有引导性的输入提示词，可以调整大模型的状态，使其能够按照特定的方式响应新的输入数据。比如在文本生成任务中，可以设计一些特定的提示词，让大模型生成符合要求的文本。