理旧基，换新羽——大模型构筑传媒新质生产力

大模型适配与传媒行业落地场景：

• 人类与AI协同的5个模式/阶段：初级（Emerging）、熟练（Competent）、专家（Expert）、大师（Virtuoso）、超人（Superhuman），对应不同AI能力水平。
• 大模型时代的全新升级：
  • 全面迭代更新AI能力，拥抱大模型（马化腾，2024）。
  • 行业化专属化，基于行业大模型构建专属模型（汤道生，2023）。
  • 自有大模型是未来媒体的核心竞争力（吴运声）。

大模型工具的场景化使用案例——腾讯会议小助手。

大模型对媒体发展的机遇：

• 通用大模型与传媒垂直领域的结合，推动知识引擎、内容创作、搜索推荐、风控模型等应用。
• 媒体行业内容生成场景能力进展：
  • 大模型强大的文字内容生成能力，支持文章写作、营销文案、视频脚本等，以API形式接入。
  • 视频生产：无中生有（细节、效果、指令遵循）和有中生有（细节、物理规律理解）。
  • 安全、合规解决传媒供给侧内容不足与传播问题。
• 媒体行业内容检索场景能力进展：
  • 传统内容检索限制，引入跨模态检索升级检索体验。
  • 跨模态检索场景和流程：从标签检索到自然语言理解的跨模态检索。
  • 知识引擎推动服务创新，以腾讯乐享为例，参与者、传播者、见证者服务示例。

基于LLM+RAG框架，做深做透全链路能力：

• 知识切分：长文本大模型多级语义拆分，OCR解析准确率提升25%。
• 知识解析：8种元素解析，算法能力版面分析、元素排序。
• 知识检索：模型阅读理解&答案生成，亿级行业数据针对性训练，Embedding模型提升。
• 数字问答、操作步骤问答、表格问答、推理比较等场景应用。

大模型RAG在媒体的应用场景： 01 内容交互：栏目服务、专业服务、本地服务。 02 栏目服务：学习王牌栏目的内容，接受观众对话式咨询。 03 专业服务：财经类节目问答，输入财报输出简报。 04 本地服务：提供美食、旅行、酒店等服务。 05 阅读理解：用户对报道提问、摘要总结、找到观点一致的受众。 06 政策咨询：单位政策文件问答、本地入学购房社保咨询。 07 四史百科问答：提供党史、新中国史等百科问答。 08 外挂大模型RAG的数字人：多轮交互、强意图理解，不再“不知道”和“乱答”。

关注智慧传媒公众号。