夜深。 桑婉低垂着脑袋，在睡觉。 大概睡熟了。 有人进来都不知道。 温谨珩轻手轻脚地走进来。 瞥了一眼乖乖巧巧地窝在那里的人儿。 唇边缓缓漾起笑容。 真是的。 臭花。 明明气得要死，感觉看到她的人，气消了一大半。 温谨珩脱了外袍，脱了鞋，都走到她面前了她都不知道。 心里腾起丝丝坏笑。 温谨珩起身，站到桑婉面前。 遮住了她的视线。 “咳咳！” 温谨珩清清嗓子。 他的声音在寂静的房间尤为响亮。 桑婉吓得一激灵。 “谁！救...唔...唔” 温谨珩心情很好地看着手底下这家伙，哭唧唧的哼哼。 可爱。 桑婉的眸光，由之前的惊恐，转化为娇羞，愤愤地瞪他一眼。 “你想吓死我是吧。” 大晚上的。 屋里没点灯。 唯一的亮光就是窗外的月亮。 她一睁眼，就看到一个大黑影遮住了光亮，扑过来就亲她。 这谁不害怕。 温谨珩把桑婉的汤婆子扔到床上，然后去点灯，路过她这里。 长腿迈了迈，跨上一节台阶，十分熟稔地亲了亲这气呼呼的小脸。 桑婉瞪他，“赶紧给我解开！我要如厕！” 温谨珩摸摸她的面庞，低声轻笑，“又吃好吃的了吧，妙笙也不知道给你擦擦嘴。” 桑婉炸毛，“你胡说！怎么可能！” 温谨珩闷闷地笑开，心情很好的模样，“笨，一诈就出。” “快给我解开啊！” 看着亦步亦趋的温谨珩，桑婉又气炸毛了，“我如厕你也要管啊。” 温谨珩坐上桌子，悠哉悠哉地晃了晃腿，“不管啊。” 唇角勾勒着笑。 指尖溢出一抹灵气，精准地环上桑婉的手肘。 桑婉回头白了他一眼。 “够不着啦！” 温谨珩逗她，拨了拨灵气。 “你瞎搞什么！” 末了，桑婉慢腾腾地走回来，看到那个坐上桌的坏蛋，气不打一处来。 “哼！坏人！” 温谨珩失笑。 跟着她的步伐跳下了桌，手腕翻转。 桑婉惊呼一声，被他扯了个踉跄。 温谨珩翘着唇角，心情很好的样子，弯了弯腰，抓住她的腿。 桑婉自然挣开，温谨珩又扒住她的一只胳膊，将她整个人翻转了个方向，扛在了肩上。 “温谨珩！” 桑婉大头朝下，拿他一点办法都没有，在空中泄愤似的踹了踹空气。 “你放我下来！” 温谨珩拍了下她的屁股，唇畔笑意盈盈，根本收不住，“想起来了吗？” 那真是他人生中最糗的一段日子。 被这个臭花玩来玩去。 桑婉怔了一下，又哼声，拧着他的耳朵，“你有意见是吧！是吧是吧！” 温谨珩把她张牙舞爪的手臂都没收，桑婉现在整个人身子被他折了圈在臂弯里。 “你干嘛！” 温谨珩挠挠她的小红脸，乐了。 怎么这么喜欢逗她呢。 其乐无穷。 “勾引你呗~” 桑婉头都大了。 “你又来！啊啊啊我错了我错了！！” 温谨珩有衣裳他真脱啊。 衣衫半褪，朦朦胧胧，光影斑驳。 桑婉欲哭无泪地挣扎，“你给谁看啊！！赶紧把你衣裳脱了！” 温谨珩眸中带笑，勾翘着唇，答道，“给你看的啊。” 3.2 研究方法 本文以有关电力行业 LCA 的近十年的英文文献为研究对象，并根据每篇文章的元数据构建数据 库。进行文档分割，将文件分割为更小的部分或章节，分区后使其更容易分类和提取文本，将文档 元素列表存储并跟踪从文档中提取的各种元数据，将文本元素分割为适合模型注意力窗口的大小， 构建向量数据库，方便大模型调用。利用 RAG（检索增强生成）模型，帮助大语言模型知晓具有电 力 LCA 领域专业性和时效性的知识，包括最新的新闻、公式、数据等内容，增强大模型回答关于电 力行业 LCA 领域专业性问题与时效性问题的能力，主要用到的研究方法如下。 （1）文献资料法。通过阅读大量国内外研究检索增强生成的文章，确定将 RAG 技术作为提升 大语言模型回答电力行业 LCA 领域问题专业性与时效性问题的解决方法。文献调研显示，聚焦于此 领域的大模型是一个研究空白，将电力行业 LCA 的大模型应用于企业层面的分析，能够响应了重大 战略。该方法能够提升科研眼界、开阔研究思路、丰富研究角度。 （2）实验法。本文使用爬虫程序抓取各顶级期刊官网上近十年的文章，并通过元数据处理方 法，构建文章元数据的数据库。 （3）实证分析法。本文通过大量实际数据，来验证大模型调用电力行业 LCA 领域向量数据库小主，这个章节后面还有哦，请点击下一页继续阅读，后面更精彩！ 回答该领域专业性问题和时效性问题的有效性。 系统设计 系统设计三个模块，整体设计如图 1.4 所示，分别是数据处理模块、专业领域知识库构建模块 以及 Chatbot 构建模块。数据处理模块主要包括对电力 LCA 这个特定领域的英文文献进行选择和初 步处理，而后将有关数据全部转化成结构化数据。知识库构建模块主要是将数据向量化并构建向量 知识库。Chatbot 构建分为功能部分和前端部分，功能包括 OpenAI 基座的调用、知识库检索、在 线检索；前端部分为 web 可视化以及 UI 设计 1.4 本章小结 第一章作为本论文的引言部分，主要围绕研究背景、研究目的与意义、研究内容与方法以及系 统设计进行了全面的阐述。首先，本章通过详细阐述当前大模型技术在内容解析领域的背景，指出 了电力行业生命周期评价的重要性，并强调了研究流程和研究方法。在这一基础上，本章进一步明 确了项目系统功能设计。综上所述，本章作为论文的引言部分，为整个研究提供了清晰的研究背 景、目的、意义、内容及方法概述，为后续章节的展开奠定了坚实的基础。 ChatGPT 是由 OpenAI 发布的一种大语言模型，能够以问答的形式完成各类任务，包括接受文 字输入，理解自然语言，理解响应并模拟人类对话形式进行输出。再各个自然语言处理子任务具有 优异的表现。相比其他大语言模型拥有更丰富的知识，涵盖自然、社会科学、人文历史等多个领 域。ChatGPT 在 GPT3.5 的基础上引入了 RLHF（reinforcement learning from human feedback） 技术，通过将人类的日常对话的语言习惯嵌入模型，并引入价值偏好，使得模型的输出满足人类的 意图。微调过程分为预训练、监督微调、设计奖励模型和反馈优化。桑基韬等人根据 ChatGPT 的对 话对象和定位将其应用分为四个层次：数据生成器、知识挖掘器、模型调度器和人机交互界面。在 多模态领域，Visual ChatGPT、MM-ReAct 和 HuggingGPT 让视觉模型与 ChatGPT 协同工作来完成视 觉和语音任务。 除此以外，许多类 ChatGPT 的大模型也同样在自然语言处理方面展示出来了较好的效果。 LLaMA 是应该从 7billion 到 65billion 参数的语言模型，不需要求助于专有的数据集。清华大学 提出了一种基于自回归填充的通用语言模型 GLM 在整体基于 transformer 的基础上作出改动，在一 些任务的表现上优于 GPT3-175B。 大语言模型，例如 GPT 系列喜欢离语请大家收藏：(www.qibaxs10.cc)离语七八小说更新速度全网最快。