在 AI 任务中，常见的衡量指标包括准确率和召回率。准确率（Accuracy）衡量的是模型预测正确的比例。而召回率主要用于信息检索等任务，衡量的是模型能够正确检索出相关内容的比例。 在摘要任务中，一般用 ROUGE 指标，其中 ROUGE2 是把两个 sequence 按 2gram 的方式做切分做频次统计，然后计算 pred 和 gt 之间的召回率。 对于不同的 AI 任务，还有其他多种指标，如在 NLP 中： 信息检索任务常用 NDCG@K 指标，核心衡量最相关文档是否排序足够靠前。 文本生成任务可用 BitsperByte 指标。 针对二分类任务，一般用 ECE 指标（Expected Calibration Error）来度量模型输出概率 p 时，最终正确率真的为 p 的一致性。 此外，还有一些其他方面的评估指标，如不确定性（Calibration and Uncertainty）、鲁棒性（Robustness，包括 invariance 和 equivariance）、公平性（Fairness）、偏见程度（Bias and stereotypes）、有毒性（Toxicity）等。 传统的 RAG 解决方案在检索效率和准确性上存在问题，Anthropic 通过“上下文嵌入”解决了部分问题，但 RAG 的评估仍待解决，研究人员正在探索新的方法，如 Ragnarök。 在提示词设计方面，Claude 官方手册提出“链式提示”的方法理念，将复杂任务拆解为多个步骤，具有准确率高、清晰性好、可追溯性强等好处。ChatGPT 官方手册也有类似理念，同时还有相关论文如在 ICLR 2023 上发表的提出 LeasttoMost Prompting 提示词策略的论文，在文本理解和生成场景中表现优秀。

目前依靠 AI 直接写出一篇完美的本科毕业论文且保证低 AI 率和低查重率是不可取的。撰写本科毕业论文需要您自己深入研究课题、收集资料、整理思路并进行独立创作。 虽然 AI 可以在一些方面提供帮助，比如语言润色、提供思路参考等，但不能完全依赖它来完成整篇论文。如果过度依赖 AI 生成的内容，可能会导致论文缺乏创新性和个人见解，并且存在较高的查重风险。 建议您在撰写论文时，首先明确研究课题和目标，通过图书馆、学术数据库等渠道收集相关的权威资料，整理自己的观点和论证逻辑，然后逐步撰写论文的各个部分。在写作过程中，可以适当使用 AI 工具来检查语法错误、优化表述，但务必对其提供的内容进行审慎评估和修改，确保论文的原创性和学术规范性。

以下是一些常见的 AI 变现方式： 1. 电商方面： 利用 AI 制作服装，如 AI 小绿裙，单价 239 卖了 1160 多份，几个月共卖 27 万。可使用 sd、mj 等工具制作，新手也可用 mewxai 或幻火。 用 AI 定制萌娃的头像，单价 19.9，卖了 2675 份，执行力强的一个月能有 2000 3000 的收入。 2. 摊位活动： 乐易科学院：通过 AI 技术结合多种能量形式从多方面讲解国学和传统文化，进行批八字、调风水、性格色彩分析等。 AIGC 策划程序美术（3AI 简称 3A 游戏）应用独立游戏开发。 AI 人像摄影绘画。 B2B AI 营销与 AI 落地项目快速落地，涵盖 AI 训练、美国独立站搭建、Google seo 与 AI 结合等，并开发了多种 AI 工具，如帮 HR 筛选简历的工具、行业新闻 AI 生成与自动推送的工作流、小红书 AI 生成的工具、Newsletter AI 生成的工具等。 3. 个人方面： 在公司给自己贴 AI 大神标签。 在社交网络进行分享，扩大影响力，承接项目开发。 二创方向，如增加画板节点，结合公司 Logo 生成一系列公司主题的产品邮票，承接类似需求，扩充工作流以适应更复杂的业务，修改提示词调整生图内容方向。

以下是在您有完整的数据内容和大纲的情况下，让 AI 帮您写论文的步骤和建议： 1. 确定论文主题：明确您的研究兴趣和目标，选择一个具有研究价值和创新性的主题。 2. 收集背景资料：使用 AI 工具如学术搜索引擎和文献管理软件来搜集相关的研究文献和资料。 3. 分析和总结信息：利用 AI 文本分析工具来分析收集到的资料，提取关键信息和主要观点。 4. 生成大纲：使用 AI 写作助手生成论文的大纲，包括引言、文献综述、方法论、结果和讨论等部分。 5. 撰写文献综述：利用 AI 工具来帮助撰写文献综述部分，确保内容的准确性和完整性。 6. 构建方法论：根据研究需求，利用 AI 建议的方法和技术来设计研究方法。 7. 数据分析：如果论文涉及数据收集和分析，可以使用 AI 数据分析工具来处理和解释数据。 8. 撰写和编辑：利用 AI 写作工具来撰写论文的各个部分，并进行语法和风格的检查。 9. 生成参考文献：使用 AI 文献管理工具来生成正确的参考文献格式。 10. 审阅和修改：利用 AI 审阅工具来检查论文的逻辑性和一致性，并根据反馈进行修改。 11. 提交前的检查：最后，使用 AI 抄袭检测工具来确保论文的原创性，并进行最后的格式调整。 需要注意的是，AI 工具可以作为辅助，但不能完全替代研究者的专业判断和创造性思维。在使用 AI 进行论文写作时，应保持批判性思维，并确保研究的质量和学术诚信。 另外，还有一些相关的经验分享： 对于写作与内容创作，先确定一个明确的大主题，再细化出一系列小主题，形成文章大纲，在大纲要点下添加关键词提示。对着文章大纲，挨个语音输出。然后用 AI 组合成完整的文章，在 AI 合并出来的文章里插入一些配图，再稍微修改调整。 对于丰富细化，要让 AI 一段一段进行细节描写。为确保文章前后一致，可先让 AI 帮助写故事概要和角色背景介绍，并在其基础上按自己的审美略做修改。可以让 AI 以表格的形式输出细节描述，这样有打破 AI 叙事习惯、便于局部调整、确保内容具体等好处。 对于串联成文，把生成的表格依次复制粘贴，让 AI 照着写文章。 但也要注意，在修改过程中可能会遇到一些问题，比如某些 AI 模型可能会出现“失忆”等情况，导致修改不符合预期。

在企业场景下，AI 有以下应用： 1. 智谱 BigModel 开放平台工作流搭建： 产品概述：播放智谱 AI 智能体平台宣传片。 解决问题：大模型作为新质生产力代表，单一化模型解决能力无法满足企业多元化场景需求，打造“企业场景下要求高可用、高性能、高性价比”的 AI 应用之路存在诸多难题。 产品定位：智谱 BigModel 清流智能体开发平台定位在企业级 AI 智能体应用开发，基于智谱全模型矩阵叠加与之深度适配的智能体开发框架，面向 ToB 业务，以市场和企业落地需求驱动产品能力建设。 独特优势： 自有模型的深度适配，提供高契合度功能设计，通过模型逻辑封装和内置提示词优化，实现模型表现优于第三方平台调用的效果。 真实场景验证的高可用模板，官方模板经过 PoC 验证，能快速落地企业场景，支持企业级开箱即用。 为企业各角色提供价值。 2. 避免陷入智能陷阱，重塑决策流程： 数据陷阱与 AI 的认知扭曲：假设跨国企业使用 AI 分析不同市场数据生成销售策略，若只从特定地区收集数据，会因数据单一性导致策略失效，企业须警惕数据片面性导致的错误市场判断和策略执行。数据质量决定 AI 决策能力，历史数据常带有偏见，企业使用不完整或偏颇数据训练 AI 系统将面临决策风险，人类认知和记忆能反思修正偏见，而 AI 无法自行修正。 AI 的决策与人类独立判断：在实际企业环境中，领导者常面临平衡 AI 与人类判断的问题，如依赖基于历史趋势的 AI 数据模型在市场环境变化时可能做出错误决策，企业领导者需认识到 AI 决策不透明性，设立审核流程，如某公司全球化扩张时，AI 数据分析建议可能只针对局部市场，领导者须通过自身经验和洞察审视。 实践建议：设计“AI 决策审核流程”，包括数据源验证、算法透明度、专家审查、伦理与社会影响评估等步骤，通过增加人工审核环节，确保 AI 决策经过人类专家审查与反馈，减轻潜在偏见和不透明性。

AI 音乐相关内容如下： 在剪映中使用 AI 音乐： 点击 AI 音乐后，可选择人声歌曲或纯音乐。 描述想要的音乐风格，如民谣、流行、嘻哈、国风等。 若选人声歌曲，可自己填写歌词或让 AI 代写，通过智能歌词按钮输入简单词语给 AI 提示即可生成歌词。 音乐库提供各种风格的音乐，选择合适的添加到音轨。 音效库可通过搜索框输入关键词，如开门声，试听后添加到音轨。 人工智能音频初创公司： （被 Apple 收购）：音乐帮助品牌与受众建立更深层次的连接。 ：下一代音乐制作人。 ：由 AI 驱动的软件引擎，可生成音乐，能对手势、动作、代码或其他声音作出反应。 ：全球最大的音乐教育平台。 ：用于创作歌曲和音频录制的应用程序。 ：提供无缝录音室体验的一体化在线协作平台。 ：专业音频、语音、声音和音乐的扩展服务。 ：视频编辑的音频解决方案。 ：由 AI 驱动的音乐工作室。 ：通过直观的软件/硬件生态系统为音乐演奏者提供世界级声音的民主化访问。 ：AI 音频插件和社区，弥合 AI 研究与创意之间的差距。 ：为音乐人、制作人和内容创作者提供 AI 驱动的混音服务。 ：为创作者提供的在线音乐软件，包括音乐母带处理、数字音乐发行、分期付款插件、免费样本包和协作工具。 AI 生成音乐的工具： 是利用人工智能技术，特别是机器学习和深度学习算法，来创作、编排和生成音乐的软件平台。 能够分析大量音乐数据，学习音乐模式和结构，根据用户输入或特定指令创作新音乐作品。 推荐产品： Udio：由前 Google DeepMind 工程师开发，通过文本提示快速生成符合用户音乐风格喜好的高质量音乐作品。 Suno AI：是一款革命性的人工智能音乐生成工具，通过先进的深度学习技术，将用户输入转化为富有情感且高质量的音乐作品。

COE 团队可能需要以下 AI 能力： 1. AI 辅助编程：虽然 AI CODING 目前适用于小场景和产品的第一个版本，但在复杂应用中可能存在需求理解错误导致产品出错的情况。 2. AI 部署和调优：涵盖服务器创建、搭建微信机器人到引入 coze API 的全过程，包括 Docker 部署、本地运行、RailWay 部署等多种方式。 3. AI 智能体：从最初只有对话框的 chatbot 到有更多交互方式，低代码或零代码的工作流等场景做得较好。例如以证件照为例，实现了相关智能体和交互。创建智能体工作流包括创建、编辑人设、编排设计等步骤。 4. AI 提示词：在编写系统提示词时需要用{{input}}作为参数引入，以使大模型知道需要生成与输入相关的结果。 5. OCR 识别：未提及相关具体内容。 同时，在图像能力方面，支持图片生成、图片识别、图生图等，可选择 Dal3、stable diffusion、replicate、midjourney、CogView3、vision 模型。具有丰富插件，支持个性化插件扩展，已实现多角色切换、文字险、敏感词过滤、聊天记录总结、文档总结和对话、联网搜索等插件。通过上传知识库文件可自定义专属机器人，作为数字分身、智能客服、私域助手使用，基于 LinkAI 实现。

姿势识别是一个涉及多个方面的技术领域，以下为您详细介绍： 视频模型中的姿势识别：包括对不同人物姿态的识别，如站立、坐下、躺卧等。同时也会对不同面部特征进行识别，涵盖不同年龄、性别、种族等。 设计中的姿势识别：涉及手势与肢态的 CV 交互，包含众多相关技术，如手部姿势估计、动态手势识别、手部骨骼点检测、姿态识别等。 在【SD】最强控制插件 ControlNet 中：姿态约束类模型可以通过生成的骨架来规定绘图中人物的动作和表情。其中 openpose 可以直接解析出人物的动作骨架，ControlNet1.1 版本除身体姿态外，还增加了更详细的脸部和手部的预处理器，如 openpose_face 解析姿态和脸部，openpose_faceonly 仅解析脸部，openpose_hand 解析姿态和手部，openpose_full 解析姿态、手部及脸部。但在实际应用中也存在一些限制，如 openpose_faceonly 对卡通二次元角色不起作用，openpose_hand 在手部骨架与身体骨架重合时可能产生问题。

以下为您推荐能快速读懂视频并总结成为知识架构的应用或网站： 百炼大模型平台：其影视传媒视频理解能力可对视频进行语音转写、视觉语言分析等处理并总结成文，有清晰使用步骤，可生成爆款文案，还能根据偏好调试提示词。2025 年 1 月 9 号更新的模型可通过 API 调用纹身 AI 等，Windows 用户可在左下角开始运行输入命令提示符进行本地调用，但生成过程较缓慢。 应用场景：包括商品信息图片生成淘宝上架规格参数、智能手表文案生成、社交媒体内容生成、合同提取、拍照搜题、图片转换、模特换装等。 提供 AI 硬件底层能力，AI 拍立得相机拍照可快速成诗并打印，其对接多模态能力可通过智能体应用或工作流形式的 API 调用。 开源使用：有开源地址，可下载到本地，配置阿里云百炼平台的 API key 及 appid 实现场景，运行项目需特定 Python 包和依赖，可新建应用获取 appid，拍照时需设置 API key。 此外，关于 AI 技术原理与框架的相关知识： 生成式 AI 生成的内容称为 AIGC。 相关技术名词： AI 即人工智能。 机器学习包括监督学习、无监督学习、强化学习，电脑通过找规律进行学习。 监督学习使用有标签的训练数据，目标是学习输入和输出之间的映射关系，包括分类和回归。 无监督学习的数据没有标签，算法自主发现规律，经典任务如聚类。 强化学习从反馈里学习，最大化奖励或最小化损失，类似训小狗。 深度学习参照人脑有神经网络和神经元，因层数多称为深度，神经网络可用于监督学习、无监督学习、强化学习。 生成式 AI 可以生成文本、图片、音频、视频等内容形式。 LLM 即大语言模型，生成图像的扩散模型不属于大语言模型，对于大语言模型，生成只是其中一个处理任务，如谷歌的 BERT 模型可用于语义理解（不擅长文本生成），如上下文理解、情感分析、文本分类。 技术里程碑：2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出了 Transformer 模型，它完全基于自注意力机制处理序列数据，无需依赖循环神经网络或卷积神经网络。

以下是一些可以自动生成论文参考文献的免费工具及相关信息： 1. 文献管理和搜索： Zotero：结合 AI 技术，能够自动提取文献信息，有助于您管理和整理参考文献。 Semantic Scholar：这是一个由 AI 驱动的学术搜索引擎，可提供相关文献推荐和引用分析。 2. 内容生成和辅助写作： Grammarly：通过 AI 技术为您提供文本校对、语法修正和写作风格建议，提升论文语言质量。 Quillbot：基于 AI 的重写和摘要工具，能帮助您精简和优化论文内容。 需要注意的是，这些内容由 AI 大模型生成，请您仔细甄别。您可以通过以下网址获取这些工具： Zotero：https://www.zotero.org/ Semantic Scholar：https://www.semanticscholar.org/ Grammarly：https://www.grammarly.com/ Quillbot：https://quillbot.com/