dream
v1.13.0
DeepPavlov Dream عبارة عن منصة لإنشاء مساعدين ذكاء اصطناعي متعددي المهارات.
لمعرفة المزيد حول النظام الأساسي وكيفية إنشاء مساعدين للذكاء الاصطناعي باستخدامه، يرجى زيارة Dream. إذا كنت تريد معرفة المزيد عن وكيل DeepPavlov الذي يدعم Dream، فتفضل بزيارة وثائق DeepPavlov Agent.
لقد قمنا بالفعل بتضمين ستة توزيعات: أربعة منها تعتمد على Deepy socialbot خفيف الوزن، وواحدة عبارة عن Dream chatbot بالحجم الكامل (استنادًا إلى إصدار Alexa Award Challenge) باللغة الإنجليزية وDream chatbot باللغة الروسية.
الإصدار الأساسي من المساعد القمري. تحتوي Deepy Base على معلق توضيحي للمعالجة المسبقة للتهجئة، ومهارة صيانة الحصادات القائمة على القالب، ومهارة Program-y ذات المجال المفتوح المستندة إلى AIML استنادًا إلى إطار عمل تدفق الحوار.
نسخة متقدمة من مساعد القمري. يحتوي Deepy Advanced على المعالجة المسبقة للتهجئة، وتجزئة الجملة، وربط الكيانات، وتعليقات توضيحية لأداة Intent Catcher، ومهارة Harvesters Maintenance GoBot للاستجابات الموجهة نحو الهدف، ومهارة Program-y ذات المجال المفتوح المستندة إلى AIML استنادًا إلى إطار عمل تدفق الحوار.
نسخة الأسئلة الشائعة من مساعد القمري. تحتوي الأسئلة الشائعة لـ Deepy على مُعلق توضيحي للمعالجة المسبقة للتهجئة، ومهارة الأسئلة المتداولة القائمة على القالب، ومهارة Program-y ذات المجال المفتوح المستندة إلى AIML استنادًا إلى إطار عمل تدفق الحوار.
نسخة موجهة نحو الهدف من مساعد القمري. تحتوي قاعدة Deepy GoBot على تعليقات توضيحية للمعالجة المسبقة للتهجئة، ومهارة GoBot لصيانة الحصادات للاستجابات الموجهة نحو الأهداف، ومهارة Program-y ذات المجال المفتوح المستندة إلى AIML استنادًا إلى إطار عمل تدفق الحوار.
النسخة الكاملة من DeepPavlov Dream Socialbot. هذا هو تقريبًا نفس الإصدار من برنامج DREAM Socialbot الموجود في نهاية تحدي جائزة Alexa 4. ويتم استبدال بعض خدمات واجهة برمجة التطبيقات (API) بنماذج قابلة للتدريب. تتطلب بعض الخدمات (مثل News Annotator وGame Skill وWeather Skill) مفاتيح خاصة لواجهات برمجة التطبيقات الأساسية، ويمكن الحصول على معظمها مجانًا. إذا كنت تريد استخدام هذه الخدمات في عمليات النشر المحلية، أضف مفاتيحك إلى المتغيرات البيئية (على سبيل المثال، ./.env ، ./.env_ru ). يستهلك هذا الإصدار من Dream Socialbot الكثير من الموارد بسبب بنيته المعيارية وأهدافه الأصلية (المشاركة في تحدي جائزة Alexa). نحن نقدم عرضًا تجريبيًا لـ Dream Socialbot على موقعنا.
نسخة مصغرة من DeepPavlov Dream Socialbot. هذا هو برنامج اجتماعي قائم على التوليد يستخدم نموذج DialoGPT باللغة الإنجليزية لإنشاء معظم الاستجابات. كما يحتوي أيضًا على مكونات ملتقط النوايا والمستجيب لتغطية طلبات المستخدمين الخاصة. رابط التوزيع.
النسخة الروسية من DeepPavlov Dream Socialbot. هذا هو برنامج اجتماعي قائم على التوليد يستخدم DialoGPT الروسي بواسطة DeepPavlov لتوليد معظم الاستجابات. كما يحتوي أيضًا على مكونات ملتقط النوايا والمستجيب لتغطية طلبات المستخدمين الخاصة. رابط التوزيع.
نسخة مصغرة من DeepPavlov Dream Socialbot مع استخدام النماذج التوليدية السريعة. هذا هو برنامج اجتماعي قائم على التوليد يستخدم نماذج لغوية كبيرة لتوليد معظم الاستجابات. يمكنك تحميل المطالبات الخاصة بك (ملفات json) إلى common/المطالبات، وإضافة أسماء المطالبات إلى PROMPTS_TO_CONSIDER (مفصولة بفواصل)، وسيتم استخدام المعلومات المقدمة في إنشاء الرد المدعوم من LLM كمطالبة. رابط التوزيع.
docker من 20 وما فوق؛docker-compose v1.29.2؛ git clone https://github.com/deeppavlov/dream.git
إذا تلقيت خطأ "تم رفض الإذن" أثناء تشغيل docker-compose، فتأكد من تكوين مستخدم عامل الإرساء الخاص بك بشكل صحيح.
docker-compose -f docker-compose.yml -f assistant_dists/deepy_base/docker-compose.override.yml up --build
docker-compose -f docker-compose.yml -f assistant_dists/deepy_adv/docker-compose.override.yml up --build
docker-compose -f docker-compose.yml -f assistant_dists/deepy_faq/docker-compose.override.yml up --build
docker-compose -f docker-compose.yml -f assistant_dists/deepy_gobot_base/docker-compose.override.yml up --build
أسهل طريقة لتجربة Dream هي نشره عبر الوكيل. ستتم إعادة توجيه جميع الطلبات إلى DeepPavlov API، لذلك لن تضطر إلى استخدام أي موارد محلية. راجع استخدام الوكيل للحصول على التفاصيل.
docker-compose -f docker-compose.yml -f assistant_dists/dream/docker-compose.override.yml -f assistant_dists/dream/dev.yml -f assistant_dists/dream/proxy.yml up --build
يرجى ملاحظة أن مكونات DeepPavlov Dream تتطلب الكثير من الموارد. ارجع إلى قسم المكونات لمعرفة المتطلبات المقدرة.
docker-compose -f docker-compose.yml -f assistant_dists/dream/docker-compose.override.yml -f assistant_dists/dream/dev.yml up --build
لقد قمنا أيضًا بتضمين تكوين مع تخصيصات وحدة معالجة الرسومات لبيئات وحدات معالجة الرسومات المتعددة:
AGENT_PORT=4242 docker-compose -f docker-compose.yml -f assistant_dists/dream/docker-compose.override.yml -f assistant_dists/dream/dev.yml -f assistant_dists/dream/test.yml up
عندما تحتاج إلى إعادة تشغيل حاوية إرساء معينة دون إعادة البناء (تأكد من صحة التعيين في assistant_dists/dream/dev.yml ):
AGENT_PORT=4242 docker-compose -f docker-compose.yml -f assistant_dists/dream/docker-compose.override.yml -f assistant_dists/dream/dev.yml restart container-name
docker-compose -f docker-compose.yml -f assistant_dists/dream_persona_prompted/docker-compose.override.yml -f assistant_dists/dream_persona_prompted/dev.yml -f assistant_dists/dream_persona_prompted/proxy.yml up --build
لقد قمنا أيضًا بتضمين تكوين مع تخصيصات وحدة معالجة الرسومات لبيئات وحدات معالجة الرسومات المتعددة.
يوفر DeepPavlov Agent عدة خيارات للتفاعل: واجهة سطر الأوامر، وواجهة برمجة تطبيقات HTTP، وروبوت Telegram
في علامة تبويب طرفية منفصلة، قم بتشغيل:
docker-compose exec agent python -m deeppavlov_agent.run agent.channel=cmd agent.pipeline_config=assistant_dists/dream/pipeline_conf.json
أدخل اسم المستخدم الخاص بك وقم بالدردشة مع Dream!
بمجرد بدء تشغيل الروبوت، سيتم تشغيل واجهة برمجة تطبيقات وكيل DeepPavlov على http://localhost:4242 . يمكنك التعرف على واجهة برمجة التطبيقات (API) من خلال DeepPavlov Agent Docs.
ستكون واجهة الدردشة الأساسية متاحة على http://localhost:4242/chat .
حاليًا، يتم نشر روبوت Telegram بدلاً من HTTP API. تحرير تعريف command agent داخل تكوين docker-compose.override.yml :
agent:
command: sh -c 'bin/wait && python -m deeppavlov_agent.run agent.channel=telegram agent.telegram_token=<TELEGRAM_BOT_TOKEN> agent.pipeline_config=assistant_dists/dream/pipeline_conf.json'
ملاحظة: تعامل مع رمز Telegram الخاص بك باعتباره سرًا ولا تضعه في المستودعات العامة!
يستخدم Dream عدة ملفات تكوين لتكوين عامل الإرساء:
./docker-compose.yml هو التكوين الأساسي الذي يتضمن حاويات لـ DeepPavlov Agent وقاعدة بيانات mongo؛
./assistant_dists/*/docker-compose.override.yml يسرد جميع مكونات التوزيع؛
يتضمن ./assistant_dists/dream/dev.yml روابط وحدة التخزين لتسهيل تصحيح أخطاء Dream؛
./assistant_dists/dream/proxy.yml عبارة عن قائمة بالحاويات الوكيلة.
إذا كانت موارد النشر الخاصة بك محدودة، فيمكنك استبدال الحاويات بنسخها الوكيلة التي يستضيفها DeepPavlov. للقيام بذلك، قم بتجاوز تعريفات الحاوية الموجودة داخل proxy.yml ، على سبيل المثال:
convers-evaluator-annotator:
command: ["nginx", "-g", "daemon off;"]
build:
context: dp/proxy/
dockerfile: Dockerfile
environment:
- PROXY_PASS=proxy.deeppavlov.ai:8004
- SERVICE_PORT=8004
وقم بتضمين هذا التكوين في أمر النشر الخاص بك:
docker-compose -f docker-compose.yml -f assistant_dists/dream/docker-compose.override.yml -f assistant_dists/dream/dev.yml -f assistant_dists/dream/proxy.yml up --build
افتراضيًا، يحتوي proxy.yml على كافة تعريفات الوكيل المتاحة.
يتم عرض Dream Architecture في الصورة التالية: 
| اسم | متطلبات | وصف |
|---|---|---|
| محدد على أساس القاعدة | خوارزمية تختار قائمة المهارات لتوليد استجابات المرشح للسياق الحالي بناءً على الموضوعات والكيانات والعواطف والسمية وأفعال الحوار وتاريخ الحوار | |
| محدد الاستجابة | 50 ميجابايت من ذاكرة الوصول العشوائي | خوارزمية تختار الإجابات النهائية من بين القائمة المحددة لاستجابات المرشحين |
| اسم | متطلبات | وصف |
|---|---|---|
| ASR | 40 ميجابايت من ذاكرة الوصول العشوائي | يحسب إجمالي ثقة ASR لكلام معين ويصنفه إما منخفض جدًا أو منخفض أو متوسط أو مرتفع (لترميز Amazon) |
| الكلمات المدرجة في القائمة السيئة | 150 ميجابايت من ذاكرة الوصول العشوائي | يكتشف الكلمات والعبارات من القائمة السيئة |
| التصنيف الموحد | 1.5 جيجا بايت رام، 3.5 جيجا بايت GPU | النموذج القائم على BERT بما في ذلك تصنيف الموضوع، وتصنيف أفعال الحوار، والمشاعر، والسمية، والعاطفة، والتصنيف الواقعي |
| التصنيف المشترك خفيف الوزن | 1.6 جيجابايت رام | نفس طراز التصنيف المشترك، ولكنه يستغرق وقتًا أقل بنسبة 42% بفضل العمود الفقري الأخف وزنًا |
| المذنب الذرية | ذاكرة الوصول العشوائي (RAM) سعة 2 جيجابايت، ووحدة معالجة الرسومات (GPU) سعة 1.1 جيجابايت | نماذج التنبؤ المنطقية COMeT Atomic |
| شبكة مفهوم المذنب | ذاكرة الوصول العشوائي (RAM) سعة 2 جيجابايت، ووحدة معالجة الرسومات (GPU) سعة 1.1 جيجابايت | نماذج التنبؤ المنطقية COMeT ConceptNet |
| المعلق المقيم للمحادثات | 1 جيجا بايت رام، 4.5 جيجا بايت GPU | يتم تدريبه على بيانات جائزة Alexa من المسابقات السابقة ويتنبأ بما إذا كانت استجابة المرشح مثيرة للاهتمام أو مفهومة أو متعلقة بالموضوع أو جذابة أو خاطئة |
| تصنيف العاطفة | 2.5 جيجابايت رام | مفسر تصنيف المشاعر |
| كشف الكيان | ذاكرة وصول عشوائي 1.5 جيجابايت، ووحدة معالجة رسومات 3.2 جيجابايت | يستخرج الكيانات وأنواعها من الألفاظ |
| ربط الكيان | 2.5 جيجا بايت رام، 1.3 جيجا بايت GPU | يجد معرفات كيانات ويكي بيانات للكيانات المكتشفة باستخدام كشف الكيان |
| مخزن الكيان | ذاكرة الوصول العشوائي 220 ميجابايت | مكون قائم على القواعد، يقوم بتخزين الكيانات من أقوال المستخدم والروبوت الاجتماعي إذا تم اكتشاف تعبير الرأي باستخدام الأنماط أو مصنف MIDAS ويحفظها جنبًا إلى جنب مع الموقف المكتشف لحالة الحوار |
| حقيقة عشوائية | 50 ميجابايت من ذاكرة الوصول العشوائي | إرجاع حقائق عشوائية للكيان المحدد (للكيانات من كلام المستخدم) |
| استرجاع الحقائق | 7.4 جيجا بايت رام، 1.2 جيجا بايت GPU | يستخرج الحقائق من ويكيبيديا وويكي هاو |
| صائد النوايا | 1.7 جيجا بايت رام، 2.4 جيجا بايت GPU | يصنف كلام المستخدم إلى عدد من الأغراض المحددة مسبقًا والتي يتم تدريبها على مجموعة من العبارات والتعابير العادية |
| KBQA | ذاكرة الوصول العشوائي (RAM) سعة 2 جيجابايت، ووحدة معالجة الرسومات (GPU) سعة 1.4 جيجابايت | يجيب على الأسئلة الفعلية للمستخدم بناءً على Wikidata KB |
| تصنيف ميداس | 1.1 جيجا بايت رام، 4.5 جيجا بايت GPU | نموذج قائم على BERT تم تدريبه على مجموعة فرعية من الفئات الدلالية لمجموعة بيانات MIDAS |
| توقع ميداس | 30 ميجابايت من ذاكرة الوصول العشوائي | نموذج قائم على BERT تم تدريبه على مجموعة فرعية من الفئات الدلالية لمجموعة بيانات MIDAS |
| نر | 2.2 جيجا بايت رام، 5 جيجا بايت GPU | يستخرج أسماء الأشخاص وأسماء المواقع والمنظمات من النص غير المغطى |
| واجهة برمجة تطبيقات الأخبار | 80 ميجابايت من ذاكرة الوصول العشوائي | يستخرج آخر الأخبار حول الكيانات أو المواضيع باستخدام GNews API. تستخدم عمليات نشر DeepPavlov Dream مفتاح API الخاص بنا. |
| الماسك الشخصية | 30 ميجابايت من ذاكرة الوصول العشوائي | تتمثل المهارة في تغيير وصف شخصية النظام عبر واجهة الدردشة، ويعمل كأمر نظام، وتكون الاستجابة عبارة عن رسالة شبيهة بالنظام |
| محدد سريع | 50 ميجابايت من ذاكرة الوصول العشوائي | يستخدم برنامج التعليق التوضيحي Sentence Ranker لترتيب المطالبات واختيار N_SENTENCES_TO_RETURN المطالبات الأكثر صلة (استنادًا إلى الأسئلة المقدمة في المطالبات) |
| استخراج الملكية | 6.3 جيجا بايت رام | يستخرج سمات المستخدم من الكلام |
| أشعل النار الكلمات الرئيسية | 40 ميجابايت من ذاكرة الوصول العشوائي | يستخرج الكلمات الرئيسية من الكلام بمساعدة خوارزمية RAKE |
| مستخرج الشخصية النسبية | 50 ميجابايت من ذاكرة الوصول العشوائي | يستخدم برنامج التعليق التوضيحي Sentence Ranker لتصنيف الجمل الشخصية واختيار N_SENTENCES_TO_RETURN الجمل الأكثر صلة |
| سنتررايت | 200 ميجابايت من ذاكرة الوصول العشوائي | يعيد كتابة كلام المستخدم عن طريق استبدال الضمائر بأسماء محددة توفر معلومات أكثر فائدة للمكونات النهائية |
| سينتسيغ | 1 جيجا رام | يتيح لنا التعامل مع أقوال المستخدم الطويلة والمعقدة عن طريق تقسيمها إلى جمل واستعادة علامات الترقيم |
| العبارات الاسمية سباسي | 180 ميجابايت من ذاكرة الوصول العشوائي | يستخرج العبارات الاسمية باستخدام Spacy ويقوم بتصفية العبارات العامة |
| مصنف وظائف الكلام | 1.1 جيجا بايت رام، 4.5 جيجا بايت GPU | خوارزمية هرمية تعتمد على عدة نماذج خطية ونهج قائم على القواعد للتنبؤ بوظائف الكلام التي وصفها إيجينز وسليد |
| توقع وظيفة الكلام | 1.1 جيجا بايت رام، 4.5 جيجا بايت GPU | ينتج عنه احتمالات لوظائف الكلام التي يمكن أن تتبع وظيفة الكلام التي تنبأ بها مصنف وظائف الكلام |
| المعالجة الإملائية | 50 ميجابايت من ذاكرة الوصول العشوائي | مكون قائم على النمط لإعادة كتابة التعبيرات العامية المختلفة بأسلوب أكثر رسمية للمحادثة |
| توصية الموضوع | 40 ميجابايت من ذاكرة الوصول العشوائي | يقدم موضوعًا لمزيد من المحادثة باستخدام المعلومات حول الموضوعات التي تمت مناقشتها وتفضيلات المستخدم. يعتمد الإصدار الحالي على شخصيات Reddit (راجع Dream Report لجائزة Alexa 4). |
| التصنيف السامة | 3.5 جيجا بايت رام، 3 جيجا بايت GPU | نموذج التصنيف السام من المحولات المحدد باسم PRETRAINED_MODEL_NAME_OR_PATH |
| مستخرج شخصية المستخدم | 40 ميجابايت من ذاكرة الوصول العشوائي | يحدد الفئة العمرية التي ينتمي إليها المستخدم بناءً على بعض الكلمات الرئيسية |
| محلل ويكي | 100 ميجابايت من ذاكرة الوصول العشوائي | يستخرج توائم ويكي بيانات الثلاثية للكيانات المكتشفة باستخدام ربط الكيان |
| حقائق ويكي | 1.7 جيجابايت رام | نموذج يستخرج الحقائق ذات الصلة من صفحات ويكيبيديا وويكي هاو |
| اسم | متطلبات | وصف |
|---|---|---|
| DialoGPT | ذاكرة وصول عشوائي 1.2 جيجابايت، ووحدة معالجة رسومات 2.1 جيجابايت | خدمة مولدة تعتمد على النموذج التوليدي للمحولات، يتم تعيين النموذج في وسيطة إنشاء عامل الإرساء PRETRAINED_MODEL_NAME_OR_PATH (على سبيل المثال، microsoft/DialoGPT-small مع 0.2-0.5 ثانية على وحدة معالجة الرسومات) |
| DialoGPT على أساس الشخصية | ذاكرة الوصول العشوائي (RAM) بسعة 1.2 جيجابايت، ووحدة معالجة الرسومات (GPU) بسعة 2.1 جيجابايت | خدمة توليدية تعتمد على نموذج Transformers التوليدي، تم تدريب النموذج مسبقًا على مجموعة بيانات PersonaChat لإنشاء استجابة مشروطة بعدة جمل من شخصية Socialbot |
| تعليق الصورة | ذاكرة الوصول العشوائي (RAM) سعة 4 جيجابايت، ووحدة معالجة الرسومات (GPU) سعة 5.4 جيجابايت | إنشاء تمثيل نصي للصورة المستلمة |
| حشو | 1 جيجا بايت رام، 1.2 جيجا بايت GPU | (تم إيقاف تشغيله ولكن الرمز متاح) خدمة توليدية تعتمد على نموذج Infilling، بالنسبة للكلام المحدد يُرجع الكلام حيث يتم استبدال _ من النص الأصلي بالرموز المميزة التي تم إنشاؤها |
| أسس المعرفة | ذاكرة الوصول العشوائي (RAM) سعة 2 جيجابايت، ووحدة معالجة الرسومات (GPU) سعة 2.1 جيجابايت | خدمة توليدية مبنية على بنية BlenderBot توفر استجابة للسياق مع مراعاة فقرة نصية إضافية |
| ملثمون إل إم | 1.1 جيجا بايت رام، 1 جيجا بايت GPU | (متوقف ولكن الرمز متاح) |
| Seq2seq على أساس الشخصية | 1.5 جيجا بايت رام، 1.5 جيجا بايت GPU | خدمة توليدية تعتمد على نموذج Transformers seq2seq، تم تدريب النموذج مسبقًا على مجموعة بيانات PersonaChat لإنشاء استجابة مشروطة بعدة جمل من شخصية Socialbot |
| ترتيب الجملة | ذاكرة وصول عشوائي 1.2 جيجابايت، ووحدة معالجة رسومات 2.1 جيجابايت | نموذج التصنيف المعطى كـ PRETRAINED_MODEL_NAME_OR_PATH والذي يُرجع لعدد من الجمل الزوجية درجة المراسلات العائمة |
| StoryGPT | 2.6 جيجا بايت رام، 2.15 جيجا بايت GPU | خدمة توليدية تعتمد على GPT-2 المضبوطة بدقة، لمجموعة محددة من الكلمات الرئيسية تقوم بإرجاع قصة قصيرة باستخدام الكلمات الرئيسية |
| جي بي تي-3.5 | 100 ميجابايت من ذاكرة الوصول العشوائي | خدمة توليدية تعتمد على خدمة OpenAI API، يتم تعيين النموذج في وسيطة إنشاء عامل الإرساء PRETRAINED_MODEL_NAME_OR_PATH (على وجه الخصوص، في هذه الخدمة، يتم استخدام text-davinci-003 . |
| ChatGPT | 100 ميجابايت من ذاكرة الوصول العشوائي | خدمة توليدية تعتمد على خدمة OpenAI API، يتم تعيين النموذج في وسيطة إنشاء عامل الإرساء PRETRAINED_MODEL_NAME_OR_PATH (على وجه الخصوص، في هذه الخدمة، يتم استخدام gpt-3.5-turbo . |
| قصة سريعةGPT | 3 جيجا بايت رام، 4 جيجا بايت GPU | خدمة توليدية تعتمد على GPT-2 المضبوطة بدقة، للموضوع المحدد الذي يمثله اسم واحد، تُرجع قصة قصيرة حول موضوع معين |
| جي بي تي-ي 6 ب | 1.5 جيجا بايت رام، 24.2 جيجا بايت GPU | خدمة مولدة تعتمد على النموذج التوليدي للمحولات، يتم تعيين النموذج في وسيطة إنشاء عامل الإرساء PRETRAINED_MODEL_NAME_OR_PATH (على وجه الخصوص، في هذه الخدمة، يتم استخدام نموذج GPT-J. |
| بلومز 7 ب | 2.5 جيجا بايت رام، 29 جيجا بايت GPU | خدمة توليدية تعتمد على النموذج التوليدي للمحولات، يتم تعيين النموذج في وسيطة إنشاء عامل الإرساء PRETRAINED_MODEL_NAME_OR_PATH (على وجه الخصوص، في هذه الخدمة، يتم استخدام نموذج BLOOMZ-7b1. |
| جي بي تي-جي تي 6 بي | 2.5 جيجا بايت رام، 25.1 جيجا بايت GPU | خدمة مولدة تعتمد على النموذج التوليدي للمحولات، يتم تعيين النموذج في وسيطة إنشاء عامل الإرساء PRETRAINED_MODEL_NAME_OR_PATH (على وجه الخصوص، في هذه الخدمة، يتم استخدام نموذج GPT-JT. |
| اسم | متطلبات | وصف |
|---|---|---|
| معالج اليكسا | 30 ميجابايت من ذاكرة الوصول العشوائي | معالج لعدة أوامر Alexa محددة |
| مهارة عيد الميلاد | 30 ميجابايت من ذاكرة الوصول العشوائي | يدعم الأسئلة الشائعة والحقائق والبرامج النصية لعيد الميلاد |
| مهارة الحوار المذنب | 300 ميجابايت من ذاكرة الوصول العشوائي | يستخدم نموذج COMeT ConceptNet للتعبير عن الرأي أو طرح سؤال أو التعليق حول تصرفات المستخدم المذكورة في الحوار |
| تحويل رديت | 1.2 جيجابايت رام | يستخدم برنامج تشفير ConveRT لإنشاء تمثيلات فعالة للجمل |
| المهارة الوهمية | جزء من حاوية الوكيل | مهارة احتياطية مع استجابات متعددة للمرشحين غير السامة |
| حوار المهارات الوهمية | 600 ميجابايت من ذاكرة الوصول العشوائي | إرجاع المنعطف التالي من مجموعة بيانات Topical Chat إذا كانت استجابة المستخدم للمهارة الوهمية مشابهة للاستجابة المقابلة في البيانات المصدر |
| إليزا | 30 ميجابايت من ذاكرة الوصول العشوائي | الشات بوت (https://github.com/wadetb/eliza) |
| مهارة العاطفة | 40 ميجابايت من ذاكرة الوصول العشوائي | يُرجع استجابات القالب للعواطف التي اكتشفها تصنيف المشاعر من مُعلق التعليق التوضيحي للتصنيف المشترك |
| ضمان الجودة الفعلي | 170 ميجابايت من ذاكرة الوصول العشوائي | يجيب على الأسئلة الواقعية |
| لعبة المهارة التعاونية | 100 ميجابايت من ذاكرة الوصول العشوائي | يوفر للمستخدم محادثة حول ألعاب الكمبيوتر: مخططات أفضل الألعاب للعام الماضي والشهر الماضي والأسبوع الماضي |
| مهارة صيانة الحصادات | 30 ميجابايت من ذاكرة الوصول العشوائي | مهارة صيانة الحصادات |
| مهارة Gobot لصيانة الحصادات | 30 ميجابايت من ذاكرة الوصول العشوائي | صيانة الحصادات مهارة موجهة نحو الهدف |
| مهارة التأريض المعرفي | 100 ميجابايت من ذاكرة الوصول العشوائي | يولد استجابة بناءً على سجل الحوار والمعرفة المقدمة المتعلقة بموضوع المحادثة الحالي |
| مهارة ميتا سكريبت | 150 ميجابايت من ذاكرة الوصول العشوائي | يوفر حوارًا متعدد المنعطفات حول الأنشطة البشرية. تستخدم المهارة نموذج COMeT الذري لإنشاء أوصاف وأسئلة منطقية حول عدة جوانب |
| مشيرد ASR | 40 ميجابايت من ذاكرة الوصول العشوائي | يستخدم التعليقات التوضيحية لمعالج ASR لتقديم تعليقات للمستخدم عندما تكون ثقة ASR منخفضة جدًا |
| مهارة واجهة برمجة تطبيقات الأخبار | 60 ميجابايت من ذاكرة الوصول العشوائي | يقدم آخر الأخبار الأعلى تقييمًا حول الكيانات أو الموضوعات باستخدام GNews API |
| مهارة اوسكار | 30 ميجابايت من ذاكرة الوصول العشوائي | يدعم الأسئلة الشائعة والحقائق والبرامج النصية لأوسكار |
| مهارة المعلومات الشخصية | 40 ميجابايت من ذاكرة الوصول العشوائي | الاستعلامات وتخزين اسم المستخدم ومكان الميلاد والموقع |
| برنامج DFF Y Skill | 800 ميجابايت من ذاكرة الوصول العشوائي | [إصدار DFF جديد] برنامج Chatbot Y (https://github.com/keiffster/program-y) تم تكييفه مع Dream socialbot |
| برنامج DFF Y مهارة خطيرة | 100 ميجابايت من ذاكرة الوصول العشوائي | [إصدار DFF جديد] برنامج Chatbot Y (https://github.com/keiffster/program-y) تم تكييفه مع Dream socialbot، ويحتوي على استجابات للمواقف الخطيرة في مربع حوار |
| برنامج DFF Y مهارة واسعة | 110 ميجابايت من ذاكرة الوصول العشوائي | [إصدار جديد من DFF] برنامج Chatbot Y (https://github.com/keiffster/program-y) تم تكييفه مع Dream socialbot، والذي يتضمن فقط قوالب عامة جدًا (بثقة أقل) |
| مهارة الحديث الصغيرة | 35 ميجابايت من ذاكرة الوصول العشوائي | يطرح أسئلة باستخدام النصوص المكتوبة بخط اليد لـ 25 موضوعًا، بما في ذلك على سبيل المثال لا الحصر، الحب والرياضة والعمل والحيوانات الأليفة وما إلى ذلك. |
| مهارة السوبر بول | 30 ميجابايت من ذاكرة الوصول العشوائي | يدعم الأسئلة الشائعة والحقائق والبرامج النصية لـ SuperBowl |
| نص ضمان الجودة | ذاكرة الوصول العشوائي (RAM) بسعة 1.8 جيجابايت، ووحدة معالجة الرسومات (GPU) بسعة 2.8 جيجابايت | تجد الخدمة إجابة سؤال واقعي في النص. |
| مهارة عيد الحب | 30 ميجابايت من ذاكرة الوصول العشوائي | يدعم الأسئلة الشائعة والحقائق والبرامج النصية لعيد الحب |
| ويكي بيانات مهارة الاتصال | 100 ميجابايت من ذاكرة الوصول العشوائي | ينشئ كلامًا باستخدام ويكي بيانات ثلاثية. لم يتم تشغيله، يحتاج إلى تحسين |
| مهارة الحيوانات DFF | 200 ميجابايت من ذاكرة الوصول العشوائي | تم إنشاؤه باستخدام DFF وله ثلاثة فروع للمحادثة حول الحيوانات: الحيوانات الأليفة للمستخدم، والحيوانات الأليفة الخاصة بالبرنامج الاجتماعي، والحيوانات البرية |
| DFF المهارة الفنية | 100 ميجابايت من ذاكرة الوصول العشوائي | المهارات القائمة على DFF لمناقشة الفن |
| مهارة كتاب DFF | 400 ميجابايت من ذاكرة الوصول العشوائي | [إصدار جديد من DFF] يكتشف عناوين الكتب والمؤلفين المذكورين في نطق المستخدم بمساعدة محلل Wiki وربط الكيان ويوصي بالكتب من خلال الاستفادة من المعلومات من قاعدة بيانات GoodReads |
| DFF Bot مهارة الشخصية | 150 ميجابايت من ذاكرة الوصول العشوائي | يهدف إلى مناقشة مفضلات المستخدم وأكثر 20 شيئًا شيوعًا من خلال قصص قصيرة تعبر عن رأي Socialbot تجاههم |
| مهارة فيروس كورونا DFF | 110 ميجابايت من ذاكرة الوصول العشوائي | [إصدار جديد من DFF] يسترد بيانات حول عدد حالات الإصابة بفيروس كورونا والوفيات في مواقع مختلفة مصدرها مركز جامعة جون هوبكنز لعلوم وهندسة النظام |
| DFF مهارة الغذاء | 150 ميجابايت من ذاكرة الوصول العشوائي | تم إنشاؤها باستخدام DFF لتشجيع المحادثة المتعلقة بالأغذية |
| مهارة الصداقة DFF | 100 ميجابايت من ذاكرة الوصول العشوائي | [إصدار جديد من DFF] مهارة تعتمد على DFF لتحية المستخدم في بداية مربع الحوار، وإعادة توجيه المستخدم إلى بعض المهارات المكتوبة |
| مهارة DFF Funfact | 100 ميجابايت من ذاكرة الوصول العشوائي | [إصدار جديد من DFF] يخبر المستخدم بالحقائق الممتعة |
| مهارة الألعاب DFF | 80 ميجابايت من ذاكرة الوصول العشوائي | يوفر مناقشة ألعاب الفيديو. مهارة الألعاب مخصصة للحديث بشكل أكثر عمومية عن ألعاب الفيديو |
| DFF مهارة القيل والقال | 95 ميجابايت من ذاكرة الوصول العشوائي | مهارة تعتمد على DFF لمناقشة الآخرين بأخبار عنهم |
| مهارة صورة DFF | 100 ميجابايت من ذاكرة الوصول العشوائي | [إصدار جديد من DFF] مهارة مكتوبة تعتمد على التعليقات التوضيحية للصورة المرسلة (من التعليقات التوضيحية) مع استجابات محددة في حالة اكتشاف طعام أو حيوانات أو أشخاص، والاستجابات الافتراضية بخلاف ذلك |
| مهارة قالب DFF | 50 ميجابايت من ذاكرة الوصول العشوائي | [إصدار جديد من DFF] مهارة تعتمد على DFF والتي توفر مثالاً لاستخدام DFF |
| قالب DFF المهارة المطلوبة | 50 ميجابايت من ذاكرة الوصول العشوائي | [إصدار جديد من DFF] مهارة تعتمد على DFF توفر إجابات تم إنشاؤها بواسطة نموذج اللغة بناءً على المطالبات المحددة وسياق الحوار. النموذج الذي سيتم استخدامه محدد في GENERATIVE_SERVICE_URL. على سبيل المثال، يمكنك استخدام خدمة Transformer LM GPTJ. |
| مهارة التأريض DFF | 90 ميجابايت من ذاكرة الوصول العشوائي | [إصدار جديد من DFF] مهارة تعتمد على DFF للإجابة على موضوع المحادثة، لتوليد الاعتراف، لتوليد استجابات عالمية على بعض أعمال الحوار بواسطة MIDAS |
| المستجيب نية DFF | 100 ميجابايت من ذاكرة الوصول العشوائي | يوفر [إصدار DFF الجديد] ردودًا قائمة على القالب لبعض الأغراض التي تم اكتشافها بواسطة أداة التعليق التوضيحي Intent Catcher |
| مهارة فيلم DFF | 1.1 جيجابايت رام | يتم تنفيذه باستخدام DFF ويهتم بالمحادثات المتعلقة بالأفلام |
| مهارة الموسيقى DFF | 70 ميجابايت من ذاكرة الوصول العشوائي | المهارات القائمة على DFF لمناقشة الموسيقى |
| DFF مهارة العلوم | 90 ميجابايت من ذاكرة الوصول العشوائي | المهارات القائمة على DFF لمناقشة العلوم |
| DFF مهارة القصة القصيرة | 90 ميجابايت من ذاكرة الوصول العشوائي | [إصدار جديد من DFF] يروي قصصًا قصيرة للمستخدم من 3 فئات: (1) قصص ما قبل النوم، مثل الخرافات والقصص الأخلاقية، (2) قصص الرعب، و(3) قصص مضحكة |
| DFF الرياضة المهارة | 70 ميجابايت من ذاكرة الوصول العشوائي | المهارات القائمة على DFF لمناقشة الرياضة |
| مهارة السفر في DFF | 70 ميجابايت من ذاكرة الوصول العشوائي | المهارات القائمة على DFF لمناقشة السفر |
| DFF مهارة الطقس | 1.4 جيجابايت رام | يستخدم [إصدار DFF الجديد] خدمة OpenWeatherMap للحصول على توقعات لموقع المستخدم |
| مهارة ويكي DFF | 150 ميجابايت من ذاكرة الوصول العشوائي | يُستخدم لعمل سيناريوهات مع استخراج الكيانات، وملء الفتحات، وإدراج الحقائق، والاعترافات |
| اسم | متطلبات | وصف |
|---|---|---|
| مهارة الأسئلة الشائعة حول الذكاء الاصطناعي | 150 ميجابايت من ذاكرة الوصول العشوائي | [إصدار جديد من DFF] كل ما تريد معرفته عن الذكاء الاصطناعي الحديث ولكنك كنت تخشى أن تسأله! يقوم مساعد الأسئلة الشائعة بالدردشة معك أثناء شرح أبسط المواضيع من عالم التكنولوجيا اليوم. |
| مهارة مصمم الأزياء | 150 ميجابايت من ذاكرة الوصول العشوائي | [إصدار جديد من DFF] حافظ على حمايتك في كل موسم مع مساعد الملابس من Da Costa Industries! استمتع بأقصى درجات الراحة والحماية، بغض النظر عن الطقس. تمتع بالدفء في الشتاء... |
| مهارة شخصية الحلم | 150 ميجابايت من ذاكرة الوصول العشوائي | [إصدار جديد من DFF] مهارة تعتمد على المطالبة السريعة والتي تستخدم خدمة توليدية معينة لإنشاء استجابات بناءً على المطالبة المحددة |
| مهارة التسويق | 150 ميجابايت من ذاكرة الوصول العشوائي | [إصدار جديد من DFF] تواصل مع جمهورك كما لم يحدث من قبل باستخدام مساعد التسويق بالذكاء الاصطناعي! يمكنك الوصول إلى آفاق جديدة من النجاح من خلال الاستفادة من قوة التعاطف. قل وداعا.. |
| مهارة القصص الخيالية | 150 ميجابايت من ذاكرة الوصول العشوائي | [إصدار جديد من DFF] سيخبرك هذا المساعد أو أطفالك بقصة خيالية قصيرة ولكنها جذابة. اختر الشخصيات والموضوع واترك الباقي لخيال الذكاء الاصطناعي. |
| مهارة التغذية | 150 ميجابايت من ذاكرة الوصول العشوائي | [إصدار جديد من DFF] اكتشف سر الأكل الصحي مع مساعد الذكاء الاصطناعي الخاص بنا! ابحث عن خيارات الطعام المغذية لك ولأحبائك بسهولة. قل وداعًا للتوتر أثناء تناول الطعام وأهلاً بالأطعمة اللذيذة... |
| مهارة التدريب على الحياة | 150 ميجابايت من ذاكرة الوصول العشوائي | [إصدار جديد من DFF] أطلق العنان لإمكانياتك الكاملة مع مساعد الذكاء الاصطناعي الحاصل على براءة اختراع من شركة Rhodes & Co! الوصول إلى ذروة الأداء في العمل والمنزل. الوصول إلى أعلى مستويات الأداء دون عناء وإلهام الآخرين بها. |
كوراتوف واي وآخرون. تقرير DREAM الفني لجائزة Alexa لعام 2019 // وقائع جائزة Alexa. – 2020.
بايمورزينا د. وآخرون. DREAM التقرير الفني لجائزة Alexa 4 // إجراءات جائزة Alexa. – 2021.
DeepPavlov Dream مرخص بموجب Apache 2.0.
Program-y (انظر dream/skills/dff_program_y_skill , dream/skills/dff_program_y_wide_skill , dream/skills/dff_program_y_dangerous_skill ) مرخص بموجب Apache 2.0. إليزا (انظر dream/skills/eliza ) مرخصة بموجب ترخيص معهد ماساتشوستس للتكنولوجيا (MIT).
للحصول على شهادة xlsx - ملف يحتوي على استجابات الروبوت، يمكنك استخدام البرنامج النصي xlsx_responder.py عن طريق التنفيذ
docker-compose -f docker-compose.yml -f dev.yml exec -T -u $( id -u ) agent python3
utils/xlsx_responder.py --url http://0.0.0.0:4242
--input ' tests/dream/test_questions.xlsx '
--output ' tests/dream/output/test_questions_output.xlsx '
--cache tests/dream/output/test_questions_output_ $( date --iso-8601=seconds ) .json تأكد من نشر كافة الخدمات. --input - ملف xlsx مع أسئلة الشهادة، --output - ملف xlsx مع استجابات الروبوت، --cache - json ، الذي يحتوي على ترميز تفصيلي ويستخدم لذاكرة التخزين المؤقت.
