处理

语言模型

语言模型是能够理解、解释和生成人类语言的高级 AI 系统。这些模型在巨大的文本数据集上进行训练，学习模式、单词组合、句子结构，甚至是不同语言和语言使用的微妙差异。现代语言模型的核心通常是 transformer 架构，利用自注意力机制来确定在给定上下文中文本的哪些部分重要。

在语言处理时，这些模型使用统计方法来预测文本中最有可能出现的下一个词，或最有可能出现的下一个句子。它们能够理解长篇文本的上下文，因此不仅能够生成语法正确的文本，还能生成内容连贯且相关的文本。

在使用语言模型时，例如用于聊天机器人或文本生成器，模型会被给予某些提示或初始数据，并根据输入生成逻辑上紧随给定上下文的文本。此类模型的目标是生成尽可能像人类的文本，无论是在内容还是风格上。

文本到图像模型

文本到图像模型是能够根据书写文本描述生成视觉表示的 AI 系统，如照片、插图或其他类型的图像。这些模型使用先进的神经网络，特别是生成对抗网络（GAN）或其变体，如扩散模型。

过程从用户输入的文本描述开始。模型评估该文本，试图理解其含义和上下文。随后，模型基于训练中学到的知识，使用大量文本-图像对数据集生成与文本描述相符的图像。

在训练过程中，模型学习文本描述与视觉特征之间的关联。例如，当模型反复看到词组“一个黄色的日出在蓝色的海面上”以及与之对应的图像时，它会学习识别并在未来的图像创作中 reproduced 这些元素。

结果往往是相当准确且细节丰富的图像，能够与所输入的文本描述相匹配。这些模型正在持续改进，能够呈现包含多个对象和抽象概念的复杂场景。它们在广泛的应用中使用，包括艺术创作、游戏设计、虚拟现实等。

AI-Corporate 暴露模型

需要注意的是，AI-Corporate 暴露由大型科技公司通过 API 提供的多种 AI 模型。API，或应用程序编程接口，是一组规则与定义，软件程序之间可以通过它们进行通信。它像一种“语言”，程序可以彼此理解以交换信息和调用彼此的功能。AI-Corporate 自身并不提供语言模型或文本到图像模型。

我们不对不同模型的结果负责。不过，我们已对为企业提供的最佳、最有趣模型进行了精心筛选。

处理流程

为生成响应所遵循的流程如下：

• 用户创建一个 提示。
• 前端 Web 应用将其与当前对话关联，并添加一个状态为 "初始化" 的聊天消息。
• 在 AI-Corporate 的服务器上，通过添加聊天消息触发一个 功能。
• 聊天消息的状态被设定为 "处理中"。
• 在选择包含文档的对话时，服务器首先向 Firestore 向量数据库 发送请求，以从文档中提取文本。
• 服务器再通过一个 API 连接 将请求发送给所选语言模型。
• 如果开启了 流式传输，则我们在每收到 10 个片段后保存消息，并在收到 100 个片段后在第 25 个片段时再保存。
• 一旦整个回答接收完成，状态将被设定为 "已完成"。
• 前端应用将 在每次数据库更新后刷新。
• 发现错误时，状态将被设定为 "错误"，并显示错误信息。

我们不会在每个 API 请求中传输任何个人数据。然而，用户可能已在提示或上传的文档中包含个人信息。