1-4 NLP发展历史与我的工作感悟

主目录点这里

第一个重要节点：word2vec词嵌入
能够将无限的词句表示为有限的词向量空间，而且运算比较快，使得文本与文本间的运算有了可能。
第二个重要节点：Transformer和bert
为预训练语言模型发展奠定坚实基础

我的工作感悟

随着拖布式工作流的workspace发展，开发一个对话机器人更加的便利。另外实体抽取，数据标注的工具做的也是越来越便利，这让对话系统对信息的理解与提取更上一层楼。我这里向大家推荐的有GitHub的dify、阿里云的unit、label studio等等，我用着挺方便的。
虽然有些事情便利了，但还是有很多很多的问题要解决，比如对于企业如何实时追踪与用户对话的数据信息，如何进一步提高机器人对用户话语分类的准确性，如何解决对话系统高并发的问题，如何提高系统的可维护性和可拓展性，如何兼容外语理解（因为有可能有外国人使用该系统，我自己就碰到过哈哈哈哈，叽里呱啦看不懂），prompt的设计减少大模型的已读乱回行为，如何提高对话系统的反应能力（我现在只做到了平均0.7s），如何减少大模型使用到的token等等一系列棘手的企业落地问题，对我们这些NLP算法工程师任重而道远！