Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

模型理解汉字能力很差

Answer

目前模型在理解汉字方面存在一些问题，主要表现为：

  1. 语义理解较差，例如在某些应用场景中对中文的理解不够准确。
  2. 中文汉字的集合较大，纹理结构更复杂，增加了理解难度。
  3. 缺少中文文字的图文对数据，影响了模型对汉字的学习和理解。

为了提升模型对中文文字的生成能力，采取了以下措施：

  1. 选择 50000 个最常用的汉字，机造生成千万级的中文文字图文对数据集，但机造数据真实性不足。
  2. 实用 OCR 和 MLLM 生成海报、场景文字等真实中文文字数据集，约百万量级。通过结合高质量真实数据，提升了中文文字生成能力的真实性，即使是真实数据中不存在的汉字的真实性也有所提高。
Content generated by AI large model, please carefully verify (powered by aily)

References

边聊天边自动修图？20个方式带你玩转今天最火爆Gemini 2.0 Flash Experimenta 0门槛教程

[heading2]By z.z.h[content][heading2]By进化论[content][heading2]By琼羽Eli[content]2025.03.131.中文的语义理解较差2.看起来交互方式要有大改变了，等模型能力成熟后一定会很哇塞[heading2]By李知锦[content][heading2]by威少[content][heading2]By阿琪[content][heading2]by非翔[content][heading2]By小歪[content]基础入门教程：[✨零门槛玩转AI改图！Gemini 2.0 Flash「说话就能PS」小白教程✨](https://waytoagi.feishu.cn/wiki/VmB3w5JNhi45T5kIZsIcloi9nPb?fromScene=spaceOverview)更多场景探索：照片修复产品设计[heading2]By CY-CHENYUE[content]简单的测试了，从产品草图到模特上身效果图[FocuSee Project 2025-03-13 14-05-17.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/EuXKbiQWJo7zeNxDi8tcAoCOncc?allow_redirect=1)[heading2]By何先森Kevin[content]拼乐高[heading2]By洛水[content]剧本场景插画、教学插图、3D建模图[heading2]By羊羊[content]做红烧肉

waytoagi-deepseek小说家 -陈财猫

https://mp.weixin.qq.com/s/jObaC1A3JH6gFW77gLbcoQ[heading2]文风很好，才华横溢的模型[content]a.没有做过太多前额叶切除术等模型a.对汉语的理解很深刻http://xhslink.com/a/zAYvGUeL9uu5https://www.xiaohongshu.com/discovery/item/67950180000000001902ddb3?app_platform=android&ignoreEngage=true&app_version=8.69.3&share_from_user_hidden=true&xsec_source=app_share&type=normal&xsec_token=CBZEgBsaGlbCqtR_EUcJnIyAkRuoCJbzgcpFEl4f4g4mc%3D&author_share=1&xhsshare=WeixinSession&shareRedId=ODY3Rkg7SkA2NzUyOTgwNjY0OTc7PUpL&apptime=1737895645&share_id=f44384d000b142ecbd1e3b8962b26769&share_channel=wechat#pushStateb.非常喜欢用大词[heading2]极强的发散能力，但是难以收敛[content]很容易出现的幻觉例子：听证会http://xhslink.com/a/mxDqBawhywu5但是带来非常强的发散能力http://xhslink.com/a/ZNm5YuLagwu5

模型能力简介

准确生成文字的能力一直是文生图模型的一大难题。DALL-E 3和SD3已经有了很强的英文文字生成能力。但是，目前还未有模型具有中文文字的生成能力。中文文字的生成有两点困难：一是相比于英文呢，中文汉字的集合太大，而且纹理结构更复杂；二是缺少中文文字的图文对数据。为了提升中文文字的生成能力，Kolors从两个方面准备数据。一是选择50000个最常用的汉字，机造生成了一个千万级的中文文字图文对数据集。但是机造数据毕竟真实性不足。因此，第二方面又实用OCR和MLLM生成了海报、场景文字等真实中文文字数据集，大概有百万量级。作者观察到，虽然使用机造数据一开始中文文字的生成能力的真实性比较差，但是在结合高质量真实数据之后，真实性大大提升，而且即使是真实数据中不存在的汉字的真实性也得到了提升。[heading3]图片视觉质量[content]作为一个生图模型，好不好看，自然才是最关键的指标。Kolors从数据和训练方法两方面入手，提升图片视觉质量。在网络结构方面，Kolors没有进行改动，仍旧使用与SDXL一致的UNet结构。

Others are asking
基础搭建的知识库效果很差，模型答案的幻觉很严重，我应该怎么改进？（Deepseek调用api接入本地faiss的rag库）
以下是一些改进基础搭建的知识库效果、减轻模型答案幻觉问题的建议： 1. 更换大模型：例如从 ChatGLM26B 替换成 baichuan213b，针对您的场景，后者的性能可能提升一倍左右。 2. 更换 embedding 模型：将 embedding 模型从 LangChain Chatchat 默认的 m3ebase 替换为 bgelargezh，后者可能更优。 3. 测试不同 Top k 的值：比较 Top 5、Top 10、Top 15 的结果，发现 Top 10 时效果可能最优。 4. 对文档名称进行处理：人工对文件进行重命名，上传相同文件构建知识库，同时在构建知识库时勾选【开启中文标题加强】选项，虽然重命名文件对结果的提升效果不明显，但勾选该选项后，回答的无关信息可能减少，效果有所提升。 RAG（RetrievalAugmented Generation）即检索增强生成，由检索器和生成器两部分组成。检索器从外部知识中快速找到与问题相关的信息，生成器利用这些信息制作精确连贯的答案，适合处理需要广泛知识的任务。 在大模型中，向量可想象成空间中的点位，每个词或短语对应一个点。系统通过查看词在虚拟空间中点的位置，寻找直线距离最近的点来检索语义上接近的词语或信息。理解向量后，当收到一个对话时，RAG 的完整工作流程为：检索器从外部知识中检索相关信息，生成器利用这些信息生成答案。 要优化幻觉问题和提高准确性，需要了解从“问题输入”到“得到回复”的过程，针对每个环节逐个调优，以达到最佳效果。
2025-02-27
有什么AI生图网站支持生成汉字？
以下是一些支持生成汉字的 AI 生图网站： 1. ComfyUI Kwai Kolors 快手可图：支持中英文提示词工作流，有相关的下载安装设置教程，可生成汉字。您可以通过了解更多。 2. 豆包 App 支持文生图中文文字生成。
2025-03-06
一个可以显示汉字的logo生成AI
以下是一些可以生成汉字 Logo 的 AI 产品： 1. Looka：这是一个在线 Logo 设计平台，使用 AI 理解用户的品牌信息和设计偏好，生成多个 Logo 设计方案供选择和定制。 2. Tailor Brands：AI 驱动的品牌创建工具，通过用户回答关于品牌和设计风格的问题来生成 Logo 选项。 3. Designhill：其 Logo 制作器使用 AI 技术创建个性化 Logo 设计，用户可选择不同元素和风格，AI 基于输入生成方案。 4. LogoMakr：提供简单易用的 Logo 设计工具，用户可通过拖放设计 Logo，并利用 AI 建议的元素和颜色方案。 5. Canva：广受欢迎的在线设计工具，提供 Logo 设计模板和元素，用户可利用 AI 辅助设计建议创建品牌标识。 6. LogoAI by Tailor Brands：Tailor Brands 推出的 AI Logo 设计工具，根据用户输入的品牌名称和行业类别快速生成 Logo 设计方案。 7. 标小智：中文 AI Logo 设计工具，利用人工智能技术帮助用户创建个性化 Logo。 您还可以访问网站的 AI 生成 Logo 工具版块，获取更多好用的工具。使用这些工具时，用户通常可根据品牌理念和视觉偏好，通过简单交互获得一系列设计方案，并进一步定制和优化，直到满意为止。
2024-12-29
图像生成里，汉字老是乱码
在图像生成中，之前的 SD 模型存在生成文字全是乱码的问题，无论是中文还是英文。如今的 SDXL 模型在文字和语言识别方面有所改进，英文表现不错，可以直接生成带有英文文字的图片，但中文仍存在不足。同时，SDXL 能更好地识别自然语言，支持用较少语句生成高质量图片，让用户更专注于内容创作。此外，SDXL 在人体结构方面有更精细的控制，一定程度上解决了面部变形和多余肢体等问题，但手部难题依然存在。
2024-12-29
如何创建一个针对小学生的易错汉字和易错单词的练习应用？
创建针对小学生的易错汉字和易错单词练习应用，您可以考虑以下步骤： 1. 明确练习目标：确定应用旨在帮助小学生掌握哪些具体的易错汉字和易错单词，例如常见的同音字、形近字、拼写相似的单词等。 2. 收集和整理内容：从教材、辅导资料、历年考试真题等渠道收集易错汉字和易错单词，并进行分类整理。 3. 设计练习形式：可以包括填空、选择、拼写、造句等多种形式，以增加练习的趣味性和多样性。 4. 制定难度等级：根据小学生的年级和学习进度，设置不同的难度等级，逐步提高练习的挑战性。 5. 提供错误反馈：当学生回答错误时，及时给出正确答案和详细的解释，帮助他们理解错误原因。 6. 增加趣味性元素：如使用可爱的图标、动画效果、奖励机制等，吸引小学生积极参与练习。 7. 进行用户测试：在小范围内让小学生试用应用，收集反馈意见，对应用进行优化和改进。 8. 确保界面简洁友好：操作简单易懂，方便小学生自主使用。
2024-12-18
如何给图片上加上汉字
给图片加上汉字可以通过以下几种方式实现： 使用绘图软件，如 PS 等，以个人方便的方式进行制作。 利用 Python 生成图片，按照特定格式生成包含汉字的图片。 参考 Nenly 同学的视频教程，将中文字做成白底黑字的图片样式，使用文生图的方式，使用大模型真实系，输入关键词和反关键词，反复刷机得到满意效果。 按照特定步骤在 SD 中进行操作，包括选择文生图、输入关键词咒语、启用 Controlnet 等，可生成具有特定效果的图片。 在进行操作时，可根据具体需求选择合适的方法，并注意以下几点： 确保图片的分辨率和质量符合要求。 合理设置关键词和反关键词，以获得理想的效果。 可以根据需要调整参数，如景深效果等。 可以参考他人的作品和教程，不断尝试和探索，以提高制作效果。
2024-06-30
大模型的系统提示词
大模型的系统提示词主要包括以下方面： 1. 在“五津：一键生成‘摸鱼打工猫’视频”中，针对用户选择的主题和回答，总结用户的创作意图，如“打工猫摸鱼的 2 小时，在巴厘岛能看一场日落”，并根据此生成 4 组体现幽默风趣、以宫崎骏风格描绘主角为摸秋刀鱼橘猫的绘图提示词，以数组形式输出到“tishici”，将用户意图输出到“biaoti”。 2. 在“云中江树：智能对决：提示词攻防中的 AI 安全博弈”中，系统提示词的相关防御措施分为输入侧、模型侧和输出侧三个部分。输入侧可进行意图识别、语义匹配等综合判断用户输入是否恶意；模型侧对于有能力的厂商应增强安全性并平衡性能，开发者则要在开发中带着安全意识优化系统提示词，加入安全引导和禁止内容等；输出侧可使用传统防御和内容过滤手段，并针对大模型特点进行私有数据泄露等检查。此外，还提到间接注入和提示词泄露的情况，间接注入常发生在应用获取依赖外部数据资源时，攻击者通过隐藏恶意指令完成攻击；提示词泄露指试图操纵模型输出获取部分或全部系统提示词，大模型输出内容可分为系统提示词、用户提示和助手提示词三段，通过攻击手段可获取系统提示词。
2025-04-18
通义千问Qwen2.5-VL、阶跃星辰step-1.5v-mini、Gemini-2.0-Flash，这3个视觉理解大模型哪个最厉害？
以下是对通义千问 Qwen2.5VL 模型的介绍： 版本：有 3B、7B 和 72B 三个尺寸版本。 主要优势： 视觉理解能力：在 13 项权威评测中夺得视觉理解冠军，全面超越 GPT4o 与 Claude3.5。 视频理解能力：支持超 1 小时的视频理解，无需微调即可变身为 AI 视觉智能体，实现多步骤复杂操作。 万物识别：擅长识别常见物体及分析图像中的文本、图表、图标、图形和布局。 精准的视觉定位：采用矩形框和点的多样化方式对通用物体定位，支持层级化定位和规范的 JSON 格式输出。 全面的文字识别和理解：提升 OCR 识别能力，增强多场景、多语言和多方向的文本识别和文本定位能力。 Qwen 特色文档解析：设计了更全面的文档解析格式，称为 QwenVL HTML 格式，能够精准还原文档中的版面布局。 增强的视频理解：引入动态帧率（FPS）训练和绝对时间编码技术，支持小时级别的超长视频理解，具备秒级的事件定位能力。 开源平台： Huggingface：https://huggingface.co/collections/Qwen/qwen25vl6795ffac22b334a837c0f9a5 Modelscope：https://modelscope.cn/collections/Qwen25VL58fbb5d31f1d47 Qwen Chat：https://chat.qwenlm.ai 然而，对于阶跃星辰 step1.5vmini 和 Gemini2.0Flash 模型，目前提供的信息中未包含其与通义千问 Qwen2.5VL 模型的直接对比内容，因此无法确切判断哪个模型在视觉理解方面最厉害。但从通义千问 Qwen2.5VL 模型的上述特点来看，其在视觉理解方面具有较强的能力和优势。
2025-04-15
目前全世界最厉害的对视频视觉理解能力大模型是哪个
目前在视频视觉理解能力方面表现出色的大模型有： 1. 昆仑万维的 SkyReelsV1：它不仅支持文生视频、图生视频，还是开源视频生成模型中参数最大的支持图生视频的模型。在同等分辨率下各项指标实现开源 SOTA。其具有影视化表情识别体系、人物空间位置感知、行为意图理解、表演场景理解等优势。 2. 通义千问的 Qwen2.5VL：在 13 项权威评测中夺得视觉理解冠军，全面超越 GPT4o 与 Claude3.5。支持超 1 小时的视频理解，无需微调即可变身为 AI 视觉智能体，实现多步骤复杂操作。擅长万物识别，能分析图像中的文本、图表、图标、图形和布局等。
2025-04-15
目前全世界最厉害的视频视觉理解大模型是哪个
目前全世界较为厉害的视频视觉理解大模型有以下几个： 1. 昆仑万维的 SkyReelsV1：不仅支持文生视频、图生视频，是开源视频生成模型中参数最大且支持图生视频的模型。在同等分辨率下各项指标实现开源 SOTA。其优势包括影视化表情识别体系、人物空间位置感知、行为意图理解、表演场景理解等。 2. 腾讯的混元：语义理解能力出色，能精准还原复杂的场景和动作，如特定品种的猫在复杂场景中的运动轨迹、从奔跑到跳跃的动作转换、琴音化作七彩音符等。 3. Pixverse V3.5：全球最快的 AI 视频生成模型，Turbo 模式下可在 10 秒内生成视频，最快仅需 5 6 秒。支持运动控制更加稳定、细节表现力强、首尾帧生成功能，具备顶尖动漫生成能力。
2025-04-15
目前全世界最厉害的视觉理解大模型是哪个
目前在视觉理解大模型方面，较为突出的有 DeepSeek 的 JanusPro 模型，它将图像理解和生成统一在一个模型中；还有通义千问的视觉理解模型，其价格有较大降幅。此外，Pixverse V3.5 是全球最快的 AI 视频生成模型，在某些方面也展现出了出色的能力。但很难确切地指出全世界最厉害的视觉理解大模型，因为这取决于不同的评估标准和应用场景。
2025-04-15
大模型对话产品的优劣
大模型对话产品具有以下优点： 1. 具有强大的语言理解和生成能力。 2. 能够提供类似恋爱般令人上头的体验，具有一定的“想象力”和“取悦能力”。 3. 可以通过陪聊建立人和 AI 之间的感情连接，产品粘性不完全依赖技术优越性。 4. 能够为用户提供产品咨询服务，适用于有企业官网、钉钉、微信等渠道的客户。 5. 具有多种应用场景，如私有领域知识问答、个性化聊天机器人、智能助手等。 大模型对话产品也存在一些缺点： 1. 存在记忆混乱的问题。 2. AI 无法主动推动剧情，全靠用户脑补，导致用户上头期短，疲劳度高，长期留存低。 3. 无法回答私有领域问题（如公司制度、人员信息等）。 4. 无法及时获取最新信息（如实时天气、比赛结果等）。 5. 无法准确回答专业问题（如复杂数学计算、图像生成等）。
2025-04-14
公共议题:AI如何助力HR业务? 研讨目标： 深入理解:深入探讨 AI在人力资源管理领域的应用、薪酬管理、员工关系、公司文化、包括人才获取与配置、学习与发展、组织与人才培、HR共享与HRIS等各模块的可应用场景 机会识别与场景落地:基于组织现状，识别出业务价值高、可落地的 A 应用场景; 研讨成果(输出物)： 请输出10个业务价值高、具备可行性的AI应用场景介绍，并说明what(场景是什么)、why(为什么值得做)、How(如何落地);
以下是为您生成的 10 个业务价值高、具备可行性的 AI 应用场景介绍： 1. 人才招聘与筛选 What：利用 AI 技术对求职者的简历进行自动筛选和分析，评估其与岗位的匹配度。 Why：节省 HR 大量的时间和精力，提高招聘效率和准确性。 How：通过自然语言处理和机器学习算法，训练模型识别关键信息和技能。 2. 员工培训与发展 What：根据员工的技能水平和职业发展目标，定制个性化的培训计划。 Why：提升员工的能力和绩效，增强员工对企业的忠诚度。 How：利用大数据分析员工的工作表现和学习需求，推荐相关课程和学习资源。 3. 薪酬福利管理 What：运用 AI 预测市场薪酬趋势，为企业制定合理的薪酬策略。 Why：保持企业薪酬的竞争力，吸引和留住优秀人才。 How：收集和分析行业薪酬数据，结合企业的财务状况和战略目标进行优化。 4. 员工绩效评估 What：借助 AI 实时监测员工的工作表现，提供客观的绩效评估。 Why：减少人为偏差，确保评估的公正性和准确性。 How：利用工作流程数据和行为分析模型进行评估。 5. 员工关系管理 What：通过 AI 分析员工的情绪和满意度，及时发现问题并解决。 Why：营造良好的工作氛围，提高员工的工作积极性和创造力。 How：使用情感分析技术处理员工的反馈和交流信息。 6. 组织架构优化 What：利用 AI 分析企业的业务流程和人员配置，提供组织架构调整建议。 Why：提高企业的运营效率和灵活性，适应市场变化。 How：基于数据分析和模拟优化算法进行评估和推荐。 7. 人力资源规划 What：根据企业的战略目标和业务发展预测人力资源需求。 Why：提前做好人才储备和招聘计划，保障企业的正常运营。 How：运用数据分析和预测模型进行规划。 8. 企业文化传播 What：使用 AI 生成个性化的企业文化宣传内容，提高传播效果。 Why：增强员工对企业文化的认同感和归属感。 How：利用自然语言生成技术和个性化推荐算法。 9. 智能客服 What：在 HR 服务中引入 AI 客服，解答员工常见问题。 Why：快速响应员工需求，提高服务质量。 How：训练智能客服模型，涵盖常见的 HR 问题和解决方案。 10. 人才库管理 What：利用 AI 对人才库进行分类和更新，提高人才库的利用效率。 Why：方便快速找到合适的人才，降低招聘成本。 How：运用数据挖掘和分类算法进行管理。
2025-04-14
公共议题:AI如何助力HR业务? 研讨目标： 深入理解:深入探讨 AI在人力资源管理领域的应用、薪酬管理、员工关系、公司文化、包括人才获取与配置、学习与发展、组织与人才培、HR共享与HRIS等各模块的可应用场景 机会识别与场景落地:基于组织现状，识别出业务价值高、可落地的 A 应用场景; 研讨成果(输出物)： 请输出3-5个业务价值高、具备可行性的AI应用场景介绍，并说明what(场景是什么)、why(为什么值得做)、How(如何落地);
以下是为您提供的 3 个业务价值高、具备可行性的 AI 应用场景介绍： 场景一：AI 在企业招聘中的应用 What：利用 AI 技术进行简历筛选、人才匹配和面试评估。 Why：能够快速处理大量简历，提高招聘效率和准确性，节省人力和时间成本，同时更精准地找到符合岗位需求的人才。 How：通过引入相关的 AI 招聘软件，与企业现有的招聘系统集成，对简历进行关键词提取和分析，利用机器学习算法进行人才匹配，并通过视频面试中的语音和表情分析辅助评估候选人。 场景二：AI 助力个性化人力资源管理 What：根据员工的个人特点和工作表现，提供个性化的培训计划、职业发展建议和绩效评估。 Why：能够充分发挥员工的潜力，提高员工满意度和忠诚度，促进企业的长期发展。 How：收集员工的工作数据、学习记录和绩效表现等信息，运用 AI 算法进行分析和预测，为员工制定专属的发展方案，并通过移动应用或内部系统向员工推送相关建议和培训课程。 场景三：AI 打造无人值守的 HR 平台 What：实现 HR 业务的自动化处理，如员工请假审批、薪酬计算和福利发放等。 Why：减少人工操作的错误和繁琐流程，提高 HR 工作的效率和准确性，使 HR 人员能够专注于更有价值的战略工作。 How：整合企业内部的各种 HR 系统和数据，利用 RPA 和 AI 技术实现流程的自动化，同时建立监控和预警机制，确保平台的稳定运行。
2025-04-14