[AI 大模型] 百度 文心一言

文章目录

• • [AI 大模型] 百度 文心一言
  • • 简介
    • 模型架构
    • 发展
    • 新技术和优势
    • API 代码示例

      ---

      [AI 大模型] 百度 文心一言

      [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0DwAIh0T-1720667576892)(https://i-blog.csdnimg.cn/direct/283919e5d78b4951ba1ade5dcfcb9cea.png#pic_center)]

      
      （图片来源网络，侵删）

      简介

      **百度文心一言（ERNIE Bot）**是百度推出的全新一代知识增强大语言模型，旨在通过与人对话互动、回答问题和协助创作，帮助用户高效便捷地获取信息、知识和灵感。

      文心一言融合了数万亿数据和数千亿知识，具备强大的知识增强、检索增强和对话增强能力。

      [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-v3fx7hgi-1720667576896)(https://i-blog.csdnimg.cn/direct/f2ba2c15d0c946a4be823e1200c90025.jpeg#pic_center)]

      模型架构

      文心一言基于百度的飞桨深度学习平台和文心知识增强大模型，采用了增强的 Transformer 架构。

      其核心技术包括：

      • 知识增强：通过融合大规模知识图谱，提升模型的知识理解和推理能力。
      • 检索增强：结合实时检索技术，确保生成内容的准确性和时效性。
      • 对话增强：优化对话生成和理解能力，使模型能够更自然地与用户互动。

        此外，文心一言还采用了有监督精调、人类反馈强化学习（RLHF）和提示技术，进一步提升了模型的性能和安全性。

        发展

        文心一言 的发展历程可以追溯到 2019 年 3 月，百度发布了首个知识增强大模型 ERNIE 1.0。此后，百度不断迭代升级，推出了 ERNIE 2.0、ERNIE 3.0 和 ERNIE 3.5 等版本。

        2023 年 3 月，百度正式发布了文心一言，并在 2023 年 8 月全面向公众开放。

        截至 2024 年 4 月，文心一言的用户数已超过 2 亿，API 日均调用量突破 2 亿。

        [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-p9IBTePN-1720667576897)(https://i-blog.csdnimg.cn/direct/72ec32ba834b480bb3bebcc3c2d0136e.jpeg#pic_center)]

        新技术和优势

        1. 多模态能力：文心一言能够处理文本、图像、音频等多种数据类型，提供高质量的多模态输出。
        2. 高效架构：采用增强的 Transformer 和知识图谱技术，使得文心一言在训练和推理过程中更加高效。
        3. 长上下文理解：文心一言支持长达 30,000 个 token 的上下文窗口，显著提升了模型在长文本处理中的表现。
        4. 灵活性：文心一言提供了多种尺寸和配置，能够在从数据中心到边缘设备的各种环境中高效运行。
        5. 广泛应用：文心一言已经被多个行业的企业采用，用于构建自定义生成式 AI 模型，提升了企业的创新能力和竞争优势。

        API 代码示例

        以下是如何使用文心一言 API 进行开发的示例：

        示例 1：文本生成

        import requests
        import json
        # 获取 access_token
        def get_access_token(api_key, secret_key):
            url = "https://aip.baidubce.com/oauth/2.0/token"
            params = {
                "grant_type": "client_credentials",
                "client_id": api_key,
                "client_secret": secret_key
            }
            response = requests.post(url, params=params)
            return response.json().get("access_token")
        # 文本生成请求
        def generate_text(prompt, max_tokens, api_key, secret_key):
            access_token = get_access_token(api_key, secret_key)
            url = f"https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/completions?access_token={access_token}"
            payload = json.dumps({
                "messages": [{"role": "user", "content": prompt}],
                "max_tokens": max_tokens
            })
            headers = {'Content-Type': 'application/json'}
            response = requests.post(url, headers=headers, data=payload)
            return response.json()
        # 示例调用
        api_key = "YOUR_API_KEY"
        secret_key = "YOUR_SECRET_KEY"
        prompt = "写一篇关于人工智能未来发展的文章。"
        response = generate_text(prompt, 150, api_key, secret_key)
        print(response['result'])
        

        示例 2：对话生成

        import requests
        import json
        # 获取 access_token
        def get_access_token(api_key, secret_key):
            url = "https://aip.baidubce.com/oauth/2.0/token"
            params = {
                "grant_type": "client_credentials",
                "client_id": api_key,
                "client_secret": secret_key
            }
            response = requests.post(url, params=params)
            return response.json().get("access_token")
        # 对话生成请求
        def generate_conversation(messages, api_key, secret_key):
            access_token = get_access_token(api_key, secret_key)
            url = f"https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/completions?access_token={access_token}"
            payload = json.dumps({"messages": messages})
            headers = {'Content-Type': 'application/json'}
            response = requests.post(url, headers=headers, data=payload)
            return response.json()
        # 示例调用
        api_key = "YOUR_API_KEY"
        secret_key = "YOUR_SECRET_KEY"
        messages = [
            {"role": "system", "content": "你是一个乐于助人的助手。"},
            {"role": "user", "content": "你好！"}
        ]
        response = generate_conversation(messages, api_key, secret_key)
        print(response['result'])
        

        示例 3：情感分析

        import requests
        import json
        # 获取 access_token
        def get_access_token(api_key, secret_key):
            url = "https://aip.baidubce.com/oauth/2.0/token"
            params = {
                "grant_type": "client_credentials",
                "client_id": api_key,
                "client_secret": secret_key
            }
            response = requests.post(url, params=params)
            return response.json().get("access_token")
        # 情感分析请求
        def analyze_sentiment(text, api_key, secret_key):
            access_token = get_access_token(api_key, secret_key)
            url = f"https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/completions?access_token={access_token}"
            payload = json.dumps({"messages": [{"role": "user", "content": text}]})
            headers = {'Content-Type': 'application/json'}
            response = requests.post(url, headers=headers, data=payload)
            return response.json()
        # 示例调用
        api_key = "YOUR_API_KEY"
        secret_key = "YOUR_SECRET_KEY"
        text = "我今天感觉非常开心！"
        response = analyze_sentiment(text, api_key, secret_key)
        print(response['result'])
        

        百度文心一言的推出标志着 AI 技术的又一次飞跃，为开发者和企业提供了强大的工具，推动了 AI 应用的广泛普及和创新。