利用NVIDIA NeMo开发定制AI聊天机器人

壳牌国际勘探与生产公司发现，在组织内部高效获取和利用化学领域专业知识存在挑战，这阻碍了员工生产力和决策效率。为此，他们使用NVIDIA NeMo™开发了定制AI聊天机器人，专注于提供精准、上下文相关的回答。项目从30万份初始文档中精选出15.4万份高质量化学文档组成数据集，显著提升了聊天机器人的训练效果。最终，壳牌实现了模型训练时间减少20%，从而改善了员工决策和信息检索效率，营造了更高效的工作环境。

壳牌勘探与生产公司管理着庞大且复杂的科学数据，研发团队需要快速获取准确信息以支持日常决策和运营效率，但标准语言模型往往给出泛化信息，难以理解领域上下文，导致搜索效率低下、决策支持不足。

壳牌利用NVIDIA NeMo Curator从30万份技术文档中精选出15.4万份高质量化学文档，经过去重、质量过滤、语言检测与域分类后，通过NeMo框架进行域自适应预训练（DAPT）和监督微调（SFT），大幅提升模型对化学领域语言的理解能力，并利用NeMo的并行技术加速训练，最终构建出能提供精准、上下文相关回答的定制AI聊天机器人。

1. 1使用NVIDIA NeMo Curator对30万份历史技术文档进行策展，包括精确与模糊去重、质量过滤、语言检测和域分类，精选出15.4万份高质量化学文档。
2. 2基于清洗后的数据集，采用NeMo框架进行域自适应预训练（DAPT），使模型理解化学领域的独特上下文和术语。
3. 3在DAPT基础上，执行监督微调（SFT），用与壳牌需求相关的标注数据进一步优化模型性能。
4. 4集成训练后的定制大语言模型，构建面向内部技术员工的AI聊天机器人，支持化学文档的快速检索与问答。

未披露