伯乐Bole
人力资源
多模态语言模型
专注于人力资源行业，超15亿垂直内容的训练，在人力场景下的文本生成、文本分类、情感识别、摘要等任务中，可输出更为精准的内容。同时，该模型在商业营销、办公等场景下亦表现优秀，只需少量训练集，即可定制企业私有的语言模型。
技术要点
知识增强的高质量
NLP
模型
多模态图谱知识增强
与知识图谱中多模态信息相融合，借由其中所蕴涵的海量知识对模型生成的文本在事理性、逻辑性、真实性等方面的表现进行增强
预训练语言模型
符合pre-train标准，在海量数据集上充分的训练得到预训练语言模型，之后可通过fine-tune方式结合用户提供的特异化语料快速获取满足用户需求的上游应用。
基于语言学的知识增强
引入SRP（语义角色预测）预训练语言任务，使得模型在预训练阶段能够捕捉到更多的语义语法层面知识。
编码增强
采用词编码策略，使模型在编码层的处理更符合中国人表述习惯。同时还使用token的相对位置编码，使模型在长文本的情况下发挥更加稳定。
安全、可靠、高质量训练集
投入了大量的人力对原始语料进行手动处理，剔除掉语意不明、语法混乱、夹杂错字等问题的低质量语料。除此之外，还对语料中潜在的个人信息等敏感数据进行过滤处理。
模型性能
多场景 高精度 强逻辑性
小样本数据高精度训练结果
基于超15亿数据预训练后的模型，用户只需投入小规模人力资源场景的数据进行训练，即可得到精确度较高的生成结果。
知识增强提升内在逻辑性
通过RFKL范式下的融合网络，模型将经过知识图谱推理后的向量融入预训练语言模型的推理过程，并进行文本生成，使得生成内容更具内在逻辑性。
查看RFKL范式 >>良好的多场景任务适应性
依靠RFKL范式构建的人力资源多模态语言模型，内含丰富的行业业务知识，可以支持多种行业场景下，不同的模型任务。
查看RFKL范式 >>
目前已为
2000W+
位用户提供简历内容创作和应用服务
下载模型
多模态图谱知识增强与知识图谱中多模态信息相融合，借由其中所蕴涵的海量知识对模型生成的文本在事理性、逻辑性、真实性等方面的表现进行增强
预训练语言模型符合pre-train标准，在海量数据集上充分的训练得到预训练语言模型，之后可通过fine-tune方式结合用户提供的特异化语料快速获取满足用户需求的上游应用。
基于语言学的知识增强引入SRP（语义角色预测）预训练语言任务，使得模型在预训练阶段能够捕捉到更多的语义语法层面知识。
编码增强采用词编码策略，使模型在编码层的处理更符合中国人表述习惯。同时还使用token的相对位置编码，使模型在长文本的情况下发挥更加稳定。
安全、可靠、高质量训练集投入了大量的人力对原始语料进行手动处理，剔除掉语意不明、语法混乱、夹杂错字等问题的低质量语料。除此之外，还对语料中潜在的个人信息等敏感数据进行过滤处理。
