<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>约束解码 on 办公AI智能小助手</title>
    <link>https://blog.qife122.com/tags/%E7%BA%A6%E6%9D%9F%E8%A7%A3%E7%A0%81/</link>
    <description>Recent content in 约束解码 on 办公AI智能小助手</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <copyright>qife</copyright>
    <lastBuildDate>Sun, 21 Sep 2025 16:40:40 +0800</lastBuildDate>
    <atom:link href="https://blog.qife122.com/tags/%E7%BA%A6%E6%9D%9F%E8%A7%A3%E7%A0%81/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>大语言模型精准API调用顺序控制技术</title>
      <link>https://blog.qife122.com/p/%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E7%B2%BE%E5%87%86api%E8%B0%83%E7%94%A8%E9%A1%BA%E5%BA%8F%E6%8E%A7%E5%88%B6%E6%8A%80%E6%9C%AF/</link>
      <pubDate>Sun, 21 Sep 2025 16:40:40 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E7%B2%BE%E5%87%86api%E8%B0%83%E7%94%A8%E9%A1%BA%E5%BA%8F%E6%8E%A7%E5%88%B6%E6%8A%80%E6%9C%AF/</guid>
      <description>&lt;h1 id=&#34;实现大语言模型按正确顺序执行api调用&#34;&gt;实现大语言模型按正确顺序执行API调用&lt;/h1&gt;&#xA;&lt;p&gt;通过业务流程依赖图与约束解码技术，能够有效减少API幻觉和乱序执行现象。&lt;/p&gt;&#xA;&lt;p&gt;在大型语言模型（LLMs）取得惊人成功之前，基于对话的AI系统研究主要沿着两个方向展开：一是能够进行开放对话的聊天机器人，二是专注于提取API参数并代表用户执行任务的目标导向对话模型。LLMs在第一个挑战上取得了巨大进展，但在第二个方面进展相对有限。&lt;/p&gt;</description>
    </item>
    <item>
      <title>大语言模型精准API调用顺序控制技术</title>
      <link>https://blog.qife122.com/p/%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E7%B2%BE%E5%87%86api%E8%B0%83%E7%94%A8%E9%A1%BA%E5%BA%8F%E6%8E%A7%E5%88%B6%E6%8A%80%E6%9C%AF/</link>
      <pubDate>Sat, 13 Sep 2025 23:07:43 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E7%B2%BE%E5%87%86api%E8%B0%83%E7%94%A8%E9%A1%BA%E5%BA%8F%E6%8E%A7%E5%88%B6%E6%8A%80%E6%9C%AF/</guid>
      <description>&lt;h1 id=&#34;实现大语言模型按正确顺序进行api调用&#34;&gt;实现大语言模型按正确顺序进行API调用&lt;/h1&gt;&#xA;&lt;p&gt;基于业务流程依赖图的约束解码方法能够减少API幻觉和乱序执行问题。&lt;/p&gt;&#xA;&lt;p&gt;在大型语言模型（LLMs）取得惊人成功之前，基于对话的AI系统研究主要沿着两条路径发展：一是能够进行开放对话的聊天机器人，二是面向任务的对话模型——其目标是提取API参数并代表用户执行任务。LLMs在第一个挑战上取得了巨大进展，但在第二个方面进展较小。部分原因在于LLMs难以遵循规定的操作顺序，无论是操作工作流还是API依赖关系。例如，旅行代理应用可能希望在客户预订航班后推荐租车服务；同样，搜索航班选项的API调用只能在将城市名称转换为机场代码的API调用之后进行。&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
