LLM语言模型是一种基于统计学和机器学习方法的自然语言处理技术，它用于评估和预测一个给定序列的概率分布，通常是单词序列或字符序列。语言模型的主要应用是文本生成、机器翻译、语音识别等任务。近些年，神经网络架构的语言模型参数规模已经达到几千亿，为了表示与传统语言模型的区别，大家习惯称之为大语言模型（LLM）。在机器学习中一般使用 Recurrent Neural Network 循环神经网络（RNN）来处理文字，需要一个词一个词的看，没办法同时大量处理。而且句子也不能太长，要不然学到后面前面都忘了。直到2017年的时候Google出来了一篇论文，提出了一个新的学习框架叫做：Transformer。他可以让机器同时学习_大量的文字，如同串联和并联的区别。现在很多NLP的模型都是建立在Transformer之上的。Google BERT里头的T，ChatGPT里的T都是指这个Transformer。GPT团队基于Transformer，18年发表了一篇论文介绍了一个新的语言模型，Generative Pre-trained Transformer，也就是GPT。大型语言模型 (LLM) 可通过根据文本中先前使用的单词预测单词的可能性，来生成类似人类的文本。之前的语言学习模型基本上都需要人监督或者人为给他设定一些标签。但GPT基本不怎么需要了，就把一堆数据放进去，一顿学就给学明白了。像这种大语言模型主要靠算法和参数量，同样的数据进去学的比谁都快比谁都好，参数量需要大量的计算，说白了就是砸钱。在GPT3之后加入了人工反馈的强化学习，他的每个词都是靠前文的相关性和上下文来计算出来的。而ChatGPT的核心是LLM Large Language Model 大语言模型。大预言模型是一种基于神经网络的模型，它经过大量文本数据的训练来理解和生成人类语言。该模型使用训练数据来学习，语言中单词之间的统计模式和关系，然后利用这些知识来预测后续单词，一次一个单词进行。GPT 3.5最大模型拥有1750亿个参数，分布在神经网络的96层中，使其成为有史以来最大的深度学习模型之一。

而且很准确。这样就引出了2个想法一个是对于行业、专业知识，人确实是不如机器那么丰富的。因为对于个人来说，隔行如隔山，但是机器不一样，什么知识都可以丢给他一个是机器确实回答正确，而且是自主回答，没有抄别人的答案。但是它真的说不出个所以然来，也就是大家说的没有解释性好了，第一张图第二张你能说出哪个是葫芦，哪个是南瓜吗？

【问题来源】   厦门国际银行 【问题简要】websocket请求强制签出 返回000-003【问题类别】  坐席【AICC解决方案版本】【必填】    AICC 8.22.100【问题现象描述】【必填】        websocket请求强制签出 使用质检工号请求qualitycontrol/forcelogout ，返回000-003 没有权限，但是同一个质检工号使用agent demo强制签出 是可以的。

23年【云声·建议】反馈活动第八场来啦~小编这次升级了新的玩法，不仅可以累积兑换奖励更有额外的高价值建议奖等你来领~累积最高金额有机会兑换华为GT系列手表快叫上小伙伴一起来云声提优化建议吧！【活动时间】8月1日-8月31日【活动对象】所有华为云用户如果您是新用户您也可以先去体验我们的免费云产品服务~再来吐吐槽~如果您是老用户功能问题？体验不好？快来云声提建议告诉我们吧！！【奖项设置】有效建议总积分第1名：300元开发者盲盒礼包有效建议总积分第2-3名： 200元开发者盲盒礼包有效建议总积分第4-10名：100元开发者盲盒礼包其中反馈高价值优质建议奖的用户额外获得100-200元开发者盲盒礼包（建议数量不限，可与其他奖项叠加）重点来了！！！从8月开始，8-10月云声获奖用户的奖励金额可以选择累积激励一次性发放一次集中兑换可选择兑换电子产品或者其他开发者定制礼品比如华为GT系列手表、无线耳机等【活动规则】1.有效建议积分云声关联产品/功能分为云产品建议、解决方案建议、平台建议，三种类型的建议对应的分值不相同，云产品建议（1分）、解决方案建议（0.5分）、平台建议（0.1分），按照当月有效建议类型对应不同分值以及邀请加分项来进行计算总排名，关联产品/功能可在云声提建议页面查看，示例如下；说明：云声关联产品/功能分别对应以上3种类型，取决于建议内容实际对应的产品/功能，与实际关联的标签无关。2.优质建议奖1）经内部产品研发团队评估为高价值优质建议奖的用户，额外奖励100元开发者盲盒礼包/人说明：高价值建议数量不限，且与有效建议积分奖可叠加，每位用户每月最多可获得一次；高价值优质建议要求建议能被采纳，以及内部评估建议对产品优化改进有重要作用；建议内容需要表述清晰，有明确的建议方案，最好有操作截图或链接等能进一步详细描述。3.注意事项1）若出现积分相同且排名一致的情况，在每月的已实现和已采纳建议中，会选出价值更高的建议用户给予奖励，基础评分计算规则，可参考如下表格。若同名次出现同分情况，由内部工作人员评选建议价值度更高的用户获奖2）同一用户在同一页面（文档）提出的同一类问题（包括但不限于错别字、语句不通顺、视觉体验等），在通过审核后仅算作一条有效建议数3）若发现代他人提交优化建议，此建议分值只取原分值30%4）兑换礼品以仓库现有礼品为准，不可以指定，如遇商品缺货，将随机换成其他等价值礼品发放【优质建议示例】云产品建议示例1：【功能建议】IDE Online 存储限制存在缺陷云产品建议示例2：现在python已经有3.11了，可构建工具还只停留在3.9

相信大家刚成为校园大使，对华为云HCSD，包括校园大使职责都有不清晰的地方特设立本【Q&A】贴，希望帮助大家快速解决问题，本帖将持续更新~~~励志写满100个【Q&A】，欢迎大家随时在本帖评论区提出疑问FAQQ1：HCSD是什么，如何了解HCSD？Huawei Cloud Student Developers（华为云学生开发者计划，简称HCSD），是由校园大使为代表的校园开发者组织，致力于连接高校师生和云服务，帮助开发者学习提升，推动高校生态的构建和发展。>>>点我快速进入HCSD官网Q2：全国性范围招募校园大使，成为校园大使有什么样的权益呢？权益说明：持续增加中...学习成长：每学期1-2次全国校园大使交流会，华为云专家坐阵分享，积累经验；官方大会门票：尊享华为官方大会如HC、HPDC免费门票，获取结识行业精英机会；活动交流：每学期1-2次自运营校园活动，获取云资源、技术指导、运营指导等支持；定制礼品：每年将结合社区及官方活动，赠予定制礼品；品牌打造：可获取个人品牌包装机会，在华为云媒体渠道露出；资源扶持：优先体验、试用华为云产品或服务的各项扶持计划；荣誉授予：每年度评选优秀校园大使、优秀学生开发者，并授予奖章或证书；就业推荐：加入华为云线上人才库、参与人才双选会，就业无忧，优秀校园大使还将获得简历内推。Q3：有没有宣传的材料可供查看？可参考附件处HCSD主打胶片Q4：HCSD都会举办什么类型的活动，如何找到HCSD相关活动？线上活动，如HCSD实训营/HCSD大咖直播，>>>点我去查看最新活动，搜索关键词HCSD；线下活动>>>HCSD校园沙龙，目前已在厦门大学、重庆理工大学、南昌大学、深圳技术大学等多所高校举办。Q5：校园大使自运营活动如何开展，有什么规则？自运营活动需要向华为云方申请，详情参见>>>HCSD学生自发活动合作规范Q6：HCSD论坛有什么作用？HCSD论坛是一个针对学生开发者线上社区平台，校园大使可在圈子中了解、分享技术知识、发布活动资讯。以学校为单位，让学校内的技术爱好者加入华为云生态技术圈。Q7：校园大使可以推荐其他学校的朋友成为HCSD校园大使嘛？欢迎多多推荐，请校园大使将候选人的联系方式及简历发给HCSD负责人Q8：一个学校招募几位校园大使？每个学校招募1-2位校园大使，其余爱好技术的同学可作为HCSD成员参与组织、举办活动Q9：校园大使任职几年？校园大使任职期为1年，期满前2个月需要推荐学弟/学妹换届为下任校园大使，并交接好工作对接给HCSD负责人。如校园大使意愿继续担任工作，可与负责人沟通。Q10：校园大使有什么管理规则？可详细查看>>>华为云HCSD用户协议本帖持续更新......如有疑问随时在本帖留言，我们会及时响应的哦~

HCSD校园大使自发活动合作规范一、 合作流程步骤角色操作内容时间备注说明1校园大使发送活动方案至HCSD负责人邮箱活动1个月前HCSD负责人邮箱地址：yuanruixue@huawei.com2华为云官方评审并回复收到方案后3-5工作日内以邮件形式回复评审结果3HCSD成员活动发布、宣传并落地活动评审通过1-10自然日内活动需要发布在HCSD论坛，校园大使需确保财务、资源有效使用管理4校园大使发送活动总结/复盘至HCSD官方邮箱活动结束后3-5工作日内HCSD负责人邮箱地址：yuanruixue@huawei.com5华为云官方活动费用报销发送活动总结后1-7个工作日内活动涉及物料申请需要提前一个月规划好明细，HCSD负责人进行物料制作及采买二、 活动方案策划、审核规则1. 活动与华为云目的一致性活动需要以“提升华为云在校内外的影响力”为宗旨，以华为云知识分享和技术实践为核心。2. 活动方案完整性方案需包括：活动主题、活动背景、活动目标、活动时间地点、活动规模、活动参与人数、活动流程及分工、物料需求明细、资金需求明细、风险控制等3. 活动方案的可行性和创意性活动方案申请模板请参考附件：HCSD校园大使自发合作申请书模板三、 活动验收要求1. 活动回顾、复盘目标达成情况、活动报名人数、活动参与人数、资源的投入及使用情况、是否在校内外扩大了华为云的知名度等2. 活动现场照片活动场地布置照片、活动过程照片、活动参与人员合影等3. 发票真实、完整开发票前先询问HCSD总负责人：yuanruixue@huawei.com活动复盘总结模板请参考附件：HCSD活动复盘总结模板四、 活动经费、物资规定1. 经费额度：0-1000元具体金额以活动规模、难易程度而定。经费申请需要提前一个月汇报申请采购。2. 相关物资：华为云的官方logo视觉图；活动物料（如横幅、海报等）的制作经费；活动礼品（根据具体活动方案采买、申请）；云资源代金券（根据具体活动需求发放）；赋能专家资源（需结合专家时间、地点、活动规模进行安排）；活动所需云服务使用说明。

华为云HCSD用户协议       在您加入华为云HCSD之前，请认真阅读并遵守本协议的全部内容。本协议适用于华为云HCSD所有人员，校园大使、导师、成员在HCSD内的所有行为均需符合本协议的规定。制定本协议的目的是指导成员在HCSD内健康成长，引导成员们共同打造一个积极向上、和谐团结、正能量的云服务知识交流和分享平台，培养和扶持更多云领域高校人才。本协议自您接受之日起生效。本协议包含您访问与使用华为云HCSD账户以及您参与或发布华为云HCSD活动时所应遵守的条款及条件。一、   管理规则基本要求1)       须遵守《互联网电子公告服务管理规定》及中华人民共和国其他各项有关法律法规。2)       禁止发布各种违反法律法规的内容。3)       严禁发表危害国家安全、损害国家利益、破坏民族团结、破坏国家宗教政策、破坏社会稳定、侮辱、诽谤、教唆、淫秽等内容的评论。4)       校园大使有权根据管理规则保留或删除评论内容、审核或踢除成员。二、   管理违例细则请自觉避免发表有以下内容的帖子，如果对HCSD有任何意见，请合理、善意地发表观点及建议。在HCSD论坛内发布以下内容的帖子，该帖子将被删除；情节严重的成员，将被踢出HCSD。(一)    无意义和灌水帖判定字数：少且无意义或只有寒喧内容（如“顶”、“DDD”、“ding”、“KK”等）；字符：纯数字、英文、表情、纯乱码等（如“88”、“9494”等）；误用：纯引用、纯复制他人帖子（一直只引用别人的帖，没有自己意见）；骗分：以赚钱、赚积分为由发布无意义帖子（如“小手一抖、积分拿走”等）；重复：相同或相似内容在多个版块重复发表；不符：发表内容与版块主题不符；空洞：没有明显话题或内容过于空洞；鉴定：被版务组鉴定为无意义回帖或灌水；如上述行为多次发生，将被视为恶意灌水。(二)      纯发泄引围观帖判定字词：偏激、极端、谩骂、诅咒、粗言秽语、人身攻击涉及其家人等等；依据：通篇没有靠谱的具体时间地点、描述含糊、猜测，或引用未经证实的言论；片面：以偏概全，无限放大——发布个例、偶发事件、版主或论坛能力范围之外的内容引起争议。(三)      欠客观帖判定不对等：仅仅强调自身权利，有意或无意忽略自身义务。如强调自由，却破坏正常的秩序、侵犯他人的自由；如强调要求自身得到尊重，却不尊重提出异议的粉丝用户；非理性：不理会规则、无视他人、自称流氓（或自称黑手、傻*、白*、老*、尼*等不文明词语）；不客观：无视时间、资源、权限等前提，未考虑可行性等不切实际的要求；无休止：版主管理员已经做出回复或受理后，仍然重复发帖、挑衅、威胁、报复、或其他流氓表达。(四)      违规帖判定违反宪法所确定的基本原则；危害国家安全，泄露国家秘密，颠覆国家政权，破坏国家统一；损害国家荣誉和利益；煽动民族仇恨、民族歧视，破坏民族团结；破坏国家宗教政策，宣扬邪教和封建迷信；散布谣言，扰乱社会秩序，破坏社会稳定；散布淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪；侮辱或者诽谤他人，侵害他人合法权益；含有法律、行政法规禁止的其他内容；发表污秽、淫秽、诽谤任何一所高校、团体、个人的言论；恶意攻击其他HCSD及成员，制造紧张矛盾的言论；挑唆任何所在HCSD与其他HCSD之间紧张矛盾的言论；华为云外部广告贴一律删除，本校学生转让个人用品的除外；各种欺骗贴、无意义贴、灌水贴、重复帖、纯标题贴、纯表情帖；发表其他任何带有污秽、下流字眼的言论；发表谩骂、包含人身攻击以及和政治有关的内容；发表不符合版面主题，或者恶意的灌水内容；同一帖子多次出现或故意刷屏，特别是那些故意顶骂贴的成员，校园大使有权将其踢除HCSD；文章内容或个人签名包含会严重影响网友浏览的内容或格式；三、   HCSD发帖置顶、高亮、加精的规定以下帖子可以申请置顶、高亮、加精：与华为云HCSD平台相关的资源，包括但不限于云服务领域知识学习、经验分享、活动交流等相关的资源；关注度高的帖子；其他类型帖子，该校HCSD校园大使认为可以加精的。四、   投诉及举报方式成员可发送邮件到campushcsd@huaweicloud.com进行投诉，在论坛帖、QQ、微信等渠道投诉，不受理。接到投诉及举报邮件后，我们将会在1-3个工作日进行处理。邮件格式：【投诉及举报】HCSD名称+发件人华为云账号名邮件正文：说明举报/投诉的原因及内容五、   HCSD使用规则(一)      HCSD角色1)       校园大使：HCSD的管理者，由高校学生代表担任，负责HCSD成员管理、内容管理、活动管理等，享有校园大使各项权益。工作职责：成员管理：管理所在HCSD的成员，拥有人员审核、成员删除、成员权益发放等权限。内容管理：管理所在HCSD的版务，拥有版内帖子的发布、置顶、删除等权限。活动管理：管理所在HCSD的活动，拥有活动发起、奖品配置等权限。校园大使申请要求：线上申请：须注册华为云账号，完成实名认证，并提供在校相关证明。如有HCSD组织经验，将优先通过审核。线下申请：合作院校可以向华为方代表提出创建申请。2)       导师：HCSD的高级顾问，由高校老师、教务人员或外部专家组成，每个HCSD可拥有多名导师，享有导师各项权益并承担HCSD指导职责。导师职责：协同管理：协同校园大使做好HCSD的整体运作，包括HCSD内容建设、活动策划等，与校园大使共同拥有活动发起、奖品配置等权限。校园大使换届保障：确保校园大使换届的顺利进行，在无校园大使的阶段，导师需代行校园大使职责，确保HCSD的正常运行。加入要求：通过校园大使的邀请或所在院校的推荐成为导师。3)       成员：主要以学生为主，可参与HCSD组织的各项活动，享有HCSD赋予的相关权益。成员职责：遵从HCSD运行规范，促进HCSD扩大和提高活跃度。维护HCSD内部的良好氛围，拥有发帖回帖的权限。积极参与HCSD举办的各类活动。加入要求：所在院校已成立HCSD的，可自由申请加入，由校园大使审核通过即可。(二)      HCSD角色权益HCSD权益角色分类权益类型细则校园大使导师成员官方大会门票华为全联接大会门票√（限Top校园大使）华为开发者大会门票√（限Top校园大使）华为云产品优先体验华为云服务体验，理论实操全方位提升√√√名誉及物质激励活动实物礼品√√√优秀校园大使证书/奖杯√个人品牌打造华为云官方媒体渠道露出，提高个人知名度√活动合作校园大使自运营活动提供支撑√参与华为云校园活动给予活动激励√√认证福利华为云微认证专享优惠√√√华为云开发者认证专享优惠√√√注：上述部分权益需完成特定任务方可获取，详细任务将陆续在HCSD中发放。六、   校园大使管理规则(一)      成为校园大使的条件HCSD的校园大使必须为对应HCSD所属院校的在读学生/在职老师。在本校有一定的影响力，具备线上线下组织活动能力。具备运营能力，包括产出优质内容、扩大HCSD规模、提升HCSD成员数等。愿意与HCSD共同进步、成长，想要挑战自我、证明自己。(二)      校园大使注意事项校园大使须积极登录所管辖HCSD，积极配合官方活动，及时响应官方管理团队的通知，推动本院校所在HCSD的发展。未经官方授权的情况下，严禁校园大使私自利用管理权限，为任何组织、机构、企事业单位或个人谋取利益；任何含有商业名称、标识、联系方式等信息的内容（包含但不限于文字、图片、网络链接、二维码等）均视为商业内容，严禁HCSD内出现除华为云之外的商业内容，包括但不限于帖子内容、名片头像、简介、背景图、签名档、友情链接等。校园大使须对所管辖HCSD内存在的不良信息（如广告、辱骂等违反国家法律法规，或违反HCSD协议的内容）及时进行处理。严禁校园大使滥用管理权限，无故踢除HCSD成员，删除成员正常发言；将违反国家法律法规、违反用户协议、不符合HCSD版面主题或不适当的内容设置为精品贴、置顶帖、高亮贴等。校园大使须自觉维护华为云HCSD的利益及声誉，服从华为云HCSD的战略规划。(三)      校园大使卸任方式1)       主动卸任因个人原因不愿继续担任校园大使，可向官方工作人员提交卸任申请，并推荐一名成员继承校园大使职务，完成工作交接，并由工作人员进行考核、审批。2)       自然卸任校园大使于HCSD所在高校毕业前，必须申请转让校园大使身份，并在HCSD内推荐一名继承校园大使职务的学生继续运营HCSD，在毕业前一学期完成HCSD交接工作；校园大使任期以学生证注册时间进行判定，任期将满之时，校园大使须向官方工作人员提交卸任申请，由工作人员进行审批；校园大使自然卸任前，HCSD会重新开放校园大使申请通道，保证校园大使平稳换届。3)       官方撤销校园大使身份校园大使被HCSD内外任何人投诉/举报后，官方工作人员将根据情况的真实性和严重性，对校园大使予以警告或撤职处理。校园大使违反协议规范，华为云官方有权撤销其校园大使身份。未经官方授权私自涉及商业行为的，撤销其校园大使身份。无能力应对HCSD任务的，消极推脱及恶意抵制官方活动的，官方通知24小时内没有回应的，撤销其校园大使身份。未能在规定时间内补交有效证件和个人信息的，撤销其校园大使身份。提供虚假证件或谎报个人信息的，经举报查证后撤销其校园大使身份。附则本协议于2022年3月25日由华为云官方审核并通过。如华为云官方工作人员认为校园大使存在其他不恰当行为，华为云保留进行适当处理的权利。本协议内容将根据实际情况进行完善和更新，更新自公布之日生效。最终解释权归华为云所有。

近日，华为云HCSD校园沙龙走进武汉大学！带领2020级自动化专业生产实习的学生们了解鸿蒙技术知识及发展动态。武汉大学自动化系袁立宏老师、华为云开发者创新中心总监童得力、华为湖北云技术专家陈卓、华为湖北云业务经理雷宇出席了本次沙龙。活动伊始，华为云开发者创新中心总监童得力围绕以开发者为核心的华为云生态及高校人才培育，展开“华为开放能力助力创新实践人才培养”的主题演讲。他重点介绍到华为开放能力中多端统一的HarmonyOS，可以联合适配全场景的各种设备。HMS Core，让开发更高效。华为云将协同鸿蒙、欧拉、昇腾等多元生态，从学习交流、应用实践、考试认证、实习就业全方面使能开发者。全球正在进入数字经济时代，数字技术成为推动万物互联的快速通道，数字化发展已成为全球重要共识，将数字技术融入教育体系以加快数字化转型已成必然趋势。华为湖北云技术专家陈卓围绕“数字化转型趋势及人才需求”详细介绍了华为云开发者认证，真正让开发者在云上作业，懂开发会开发，与开发者共成长。并在现场指导学生顺利通过认证考核，拿到华为云开发者认证证书。活动现场，氛围十分活跃，学生们不仅踊跃参与认证实践，还和专家进行互动问答，切磋交流。一直以来，华为云在数字人才培养的沃土上持续耕耘，加速全栈创新，为开发者提供实际技术支持。未来，基于华为云生态体系，华为云将加大投入，为校园开发者提供丰富的开发工具，搭建学习、交流、分享、实践的平台，孵化开发者人才生态圈，向数字产业输送更多优秀人才，为推动中国数字经济的发展贡献力量。

2023年7月20日，华为云HCSD校园沙龙活动在中国石油大学（华东）举行，本次活动由华为云计算技术有限公司主办，中国石油大学（华东）海洋与空间信息学院与华为青岛数字城市联合创新中心共同承办，旨在携华为云技术专家走进校园，通过技术交流、动手实践帮助学生了解行业最新动态、学习云领域知识，提升技术能力，助力院校人才培养，共建高校生态。中国石油大学（华东）海洋与空间信息学院副院长李世宝教授首先进行致辞，他表示，“海空学院大力实施‘学科融合、科教融合、产教融合’发展战略，中国石油大学作为教育部直属高校，电子和通信专业作为国家一流专业，一直谋求与行业领头企业共建协同创新的学生培养平台，打造高校与企业耦合发展的新路径和新样板。希望校企双方能够进一步深化合作，形成产教良性互动、校企优势互补的发展格局。”随后，华为青岛数字城市联合创新中心相关负责人发表致辞，“功以才成，业以才兴。如今数字产业在迅速发展，而高校人才正是数字产业的践行者。为了构建优良的高校生态，华为公司面向高校开放华为云平台能力助力高校培养数字人才，未来华为云将继续紧密携手中国石油大学，从人才培养、科学研究、师资建设到产学研合作，形成体系化及常态化的校企合作，助力高校数字人才的培养。”以云和AI为核心的全场景智慧时代正在加速到来，各行各业将通过新技术进行数字化转型，重构体验、优化流程、使能创新，打造面向未来的核心竞争力。高校开发者如何抓住时代机遇，学好AI、学以致用？华为云人工智能算法工程师李忻瑶对此展开分享，为现场同学讲解了AI发展的现状、趋势和市场洞察，分享了华为云盘古大模型的总体架构、关键技术和商业落地案例，以及华为云ModelArts的能力呈现和关键技术，并为高校开发者提供了学习建议。随后，华为云DTSE开发者技术服务专家房立明进行了“基于ModelBox的AI人工智能端云协同应用开发”主题分享，基于AI应用开发与运行框架 ModelBox开源代码，华为云ModelArts提供ModelBox在线开发环境，华为云HiLens提供开发插件与工具，帮助开发者便捷开发AI应用，并在线部署到云、边缘设备、端侧设备上运行和管理。活动现场，中国石油大学的同学们踊跃参与，抓住机会与专家互动交流。为助力高校学生真正在云上作业，懂开发、会开发，做全能开发者，此次活动还为学生发放了华为云开发者认证考试券名额，通过获得开发者认证，学生能够进入华为云产业人才库，提升就业机会，助力数字产业人才生态发展。活动结束后，海空学院党委书记郭文、副院长李世宝、院系老师及骨干学生一行共同到访华为（青岛）数字城市联合创新中心，参观创新中心展厅，并就校企合作人才培养进行座谈。华为云一直以来都与高校保持紧密的合作，始终坚持产教融合协同育人，培养数字化人才。作为华为云落地青岛西海岸本地的产业创新赋能平台，华为（青岛）数字城市联合创新中心积极助推企业智改数转，赋能新区产业高质量发展，同时致力于新技术人才培养，为新区发展注入人才活水。未来，创新中心将陆续开展一系列面向高校的赋能活动，与高校联合教学，畅通产学研，助力人才创新发展，培养复合型创新型人才。

【问题来源】中讯网联    【问题简要】UAP9600对接科大ASR参数问题咨询【问题类别】UAP9600【AICC解决方案版本】UAP9600 V1R5C00 SPC102CTI版本：ICDV300R008C25SPC017【期望解决时间】【尽快】【问题现象描述】请问下我这边需要使用UAP9600去对接科大的ASR，其中MRCP的两个参数“SL”和"SVA"应该设置多少合适呢？推荐怎么配置呢？

【问题来源】中讯网联    【问题简要】通话过程中进行通话保持操作，导致通话50分钟只有14分钟的录音文件【问题类别】通话录音【AICC解决方案版本】UAP9600 V1R5C00 SPC102CTI版本：ICDV300R008C25SPC017【期望解决时间】【尽快】【问题现象描述】有一通通话时长为50分钟，其中执行了6次通话保持操作，在第三次操作后(14分钟时)录音就结束了，但是查看话单记录和录音记录都是50分钟，只有录音文件是只有14分钟的，检查CC-GateWay日志发现在第三次保持时出现了以下消息显示通话释放，但是其实这个时候通话还在继续通话开始时间：2023-07-27 13:25callID：1690435526-266260通话保持操作记录为下图CC-GateWay日志见附件

HOG概述HOG(Histogram of Oriented Gradient)特征在对象检测与模式匹配中是一种常见的特征提取算法，是基于本地像素块进行特征直方图提取的一种算法，对象局部的变形与光照影响有很好的稳定性，最初是用HOG特征来来识别人像，通过HOG特征提取+SVM训练，可以得到很好的效果，OpenCV已经有了。HOG特征提取的大致流程如下：详细解读第一步：灰度化对HOG特征提取来说第一步是对输入的彩色图像转换为灰度图像，图像灰度化的方法有很多，不同灰度化方法之间有一些微小的差异，从彩色到灰度的图像转换可以表示如下：第二步：计算图像梯度计算图像的X方向梯度dx与Y方向梯度dy，根据梯度计算mag与角度，计算梯度时候可以先高斯模糊一下(可选步骤)，然后使用sobel或者其它一阶导数算子计算梯度值dx、dy、mag、angle:第三步：Cell分割与Block对于图像来说，分成8乘以8像素块，每个块称为一个Cell，每个2x2大小的Cell称为一个Block，每个Cell根据角度与权重建立直方图，每20度为一个BIN，每个Cell得到9个值、每个Block得到36个值(4x9), 图像如下：每个Block为单位进行L2数据归一化，作用是抵消光照/迁移影响，L2的归一化的公式如下：第四步：生成描述子对于窗口64x128范围大小的像素块，可以得到8x16个Cell， 使用Block在窗口移动，得到输出的向量总数为7x15x36=3780特征向量，每次Block移动步长是八个像素单位，一个Cell大小。使用HOG特征数据HOG特征本身是不支持旋转不变性与多尺度检测的，但是通过构建高斯金字塔实现多尺度的开窗检测就会得到不同分辨率的多尺度检测支持。OpenCV中HOG多尺度对象检测API如下：virtual void cv::HOGDescriptor::detectMultiScale(     InputArray  img,     std::vector< Rect > &   foundLocations,     double  hitThreshold = 0,     Size    winStride = Size(),     Size    padding = Size(),     double  scale = 1.05,     double  finalThreshold = 2.0,     bool    useMeanshiftGrouping = false  ) Img-表示输入图像 foundLocations-表示发现对象矩形框 hitThreshold-表示SVM距离度量，默认0表示，表示特征与SVM分类超平面之间 winStride-表示窗口步长 padding-表示填充 scale-表示尺度空间 finalThreshold-最终阈值，默认为2.0 useMeanshiftGrouping-不建议使用，速度太慢拉使用OpenCV预训练SVM行人HOG特征分类器实现多尺度行人检测的代码如下：import cv2 as cv if __name__ == '__main__':     src = cv.imread("D:/images/pedestrian.png")     cv.imshow("input", src)     hog = cv.HOGDescriptor()     hog.setSVMDetector(cv.HOGDescriptor_getDefaultPeopleDetector())     # Detect people in the image     (rects, weights) = hog.detectMultiScale(src,                                             winStride=(4, 4),                                             padding=(8, 8),                                             scale=1.25,                                             useMeanshiftGrouping=False)     for (x, y, w, h) in rects:         cv.rectangle(src, (x, y), (x + w, y + h), (0, 255, 0), 2)     cv.imshow("hog-detector", src)     cv.waitKey(0)     cv.destroyAllWindows()原图显示如下：运行显示如下：

直接输出实例的方法：VectorMapNet (BEV): 端到端矢量化高精地图学习pipeline， 采用板载传感器观测，并预测BEV视角中一组稀疏的折线基元，以对高精地图的几何形状进行建模。利用折线作为基元来建模复杂的地图元素，并通过两步来解析几何元素：地图元素检测器和折线生成器，分别是sparse cross attention(element query and bev feature)和自回归的点列回归transformer;STSU (BEV): STSU采用基于DETR的方法学习每个object的query，然后基于MLP学习每根线的控制点（贝塞尔曲线表征线）和线之间的拓扑关系；学到的线分段，且有重叠；HRAN (BEV): 它首先迭代找到每条车道线的起点，然后对于每条车道线，迭代地绘制沿该线的下一个顶点。这两个RNN以分层方式进行组织。提出了折线损失的想法（双向最近点距离），以鼓励神经网络输出结构化折线。DagMapper (BEV): 该方法要解决HRAN不能解决的分叉、合并场景，它接受激光雷达强度图并输出DAG(有向无环图)。DAGMapper的核心还有一个循环卷积头，它迭代地关注以最后一个预测点为中心的裁剪特征图补丁，并预测下一个点的位置。变化之处在于它还预测了点的状态为合并，派生或继续。局限：目前还缺少一个能够适用于城区各种类型车道线或者矢量元素的矢量化表征方法

Persformer (BEV): 通过关注以摄像机参数作为参考的相关前视图局部区域(deformable cross attention)来生成鲁棒的BEV特征，图像和BEV下的检测头分别采用LaneATT和3D-LaneNet的方法。2D和3D统一anchor设计，图像视角anchor是bev视角投影到图像中生成的；LineCNN: 采用经典的Faster R-CNN作为一级车道线检测器，但推理速度较低（<30 FPS);LaneATT: 采用了更通用的单阶段检测方法，用一条线作为 anchor，并且在整个图片的左右、下面设置了上千个 anchor，对车道线关于 anchor 的 offset 进行回归；3D-LaneNet (BEV): 3D车道线检测的开创性工作，采用spatial transformer network来完成特征的空间投影；在弯曲或挤压转弯的情况下，存在着特征转换不当的问题；Gen-LaneNet (BEV): 建立在3D-LaneNet之上，并设计了一个两阶段的网络来解耦分割器和三维车道预测头，第一阶段首先对 2D 层面进行图像分割，然后利用外参的真值将分割的图像投影到 virtual top view，最终预测得到 3D 下的结果；非端到端，性能很大程度取决于第一阶段二值分割的准确性，不利于极端天气情况。该算法对相机参数要求还是比较高的，当参数出现“些许”不准确时，检测结果会变得较差；CLGO (BEV): 设计了一个两阶段框架，首先预测摄像机姿态，然后利用相机姿态生成俯视图图像，进行精确的三维车道检测；非端到端，不易收敛；EigenLanes: 提出特征车道(eigenlane)的概念，把训练集中的所有车道线利用SVD降维的方法，提取出有代表性的特征车道；每条车道线可以由eigenlane的线性组合近似；在车道线检测时，先筛选出合适的eigenlane，然后基于近似的车道，回归出offset进行车道线的refine；CLRNet: 提出一种coarse-to-fine的机制，利用高层特征检出车道线，利用低层特征调节车道线位置；提出RoIGather模块（attention）获取全局语境信息；局限：需要预定义anchor，不够灵活，anchor很难适应各种复杂的车道线型；Y_ref的匹配，使得在一些复杂场景中的起点很难识别，会丢线。

基于多项式回归的方法：STSU (BEV): STSU采用基于DETR的方法学习每个object的query，然后基于MLP学习每根线的控制点（贝塞尔曲线表征线）和线之间的拓扑关系；学到的线分段，且有重叠；Rethinking efficient lane detection via curve Curve Modeling: 提出了基于可变形卷积的特征翻转融合，以利用驾驶场景中的对称特性。提出更合理的Bezier曲线采样损失，通过在一组均匀间隔的t值（T）处采样曲线，这意味着曲线长度相等相邻的样本点；先验对称假设过强；PolyLaneNet:直接学习预测具有简单全连接层的多项式系数，速度快，但是由于现有的数据集不均衡，造成一些偏差LSTR: End-to-end Lane Shape Prediction with Transformers : 使用transformer块来预测基于 DETR 的端到端模式中的多项式，速度非常快420 FPS；该方法的多项式表征方式不适用于横向车道线。局限：抽象因子难以优化；基于参数化拟合的方案虽然回归更少的参数，但对于预测的参数较为敏感，如高阶系数的错误预测可能造成车道线形状的变化。尽管基于参数化的方案有更快的推理速度，但在精度上有一定的瓶颈。大曲率弯拟合效果较差。