看新聞

文章事件議題專題

看趨勢

關鍵字關係圖讀者

看來源

媒體署名流量

看寫法

← 奧丁丁新聞報導

奧丁丁新聞

知識增強型AI模型問世大幅提升多輪對話精準度 - OwlNews

來源商傳媒10/7 10:06

#Technology4 家 · 165 篇

知識增強型AI模型問世大幅提升多輪對話精準度 - OwlNews（新聞配圖） — 配圖來源：奧丁丁新聞

原站閱讀

全文請至原站閱讀。

https://news.owlting.com/articles/1467175

延伸閱讀

本頁的資料來源與計算方式 ⓘ

他站相似報導4 篇

相似不等於抄襲 ⓘ

AMM娛樂新聞10/7 10:06一分鐘內同時刊登相似 99%未辨識稿源
知識增強型AI模型問世大幅提升多輪對話精準度 - AMM 娛樂新聞
共同片段
安電子科技大學研究團隊近期提出一種新型人工智慧模型命名為主題語意關係知識模型tsr旨在大幅提升對話式ai系統在多輪對話中的準確性與上下文理解能力該模型透過將結構化主題知識整合到推理過程中有效解決了ai
獨家報導10/7 10:22本篇早 15 分鐘刊登相似 99%未辨識稿源
知識增強型AI模型問世大幅提升多輪對話精準度 - 獨家報導
共同片段
安電子科技大學研究團隊近期提出一種新型人工智慧模型命名為主題語意關係知識模型tsr旨在大幅提升對話式ai系統在多輪對話中的準確性與上下文理解能力該模型透過將結構化主題知識整合到推理過程中有效解決了ai
民生電子報10/8 01:50本篇早 15 小時 44 分刊登相似 99%未辨識稿源
知識增強型AI模型問世大幅提升多輪對話精準度
共同片段
安電子科技大學研究團隊近期提出一種新型人工智慧模型命名為主題語意關係知識模型tsr旨在大幅提升對話式ai系統在多輪對話中的準確性與上下文理解能力該模型透過將結構化主題知識整合到推理過程中有效解決了ai
商傳媒10/7 10:06一分鐘內同時刊登相似 96%未辨識稿源
知識增強型AI模型問世大幅提升多輪對話精準度
共同片段
電子科技大學研究團隊近期提出一種新型人工智慧模型命名為主題語意關係知識模型tsr旨在大幅提升對話式ai系統在多輪對話中的準確性與上下文理解能力該模型透過將結構化主題知識整合到推理過程中有效解決了ai在

看各媒體的相似與引用

奧丁丁新聞的其他相關報導

奧丁丁新聞10/10 08:33
微軟發表高速決策AI模型納德拉讚效能領先 - OwlNews
共同關鍵字：#Technology
奧丁丁新聞10/9 02:12
AI 模型精準預測熱帶風暴路徑 Google AI 表現超越傳統模式 - OwlNews
共同關鍵字：#Technology
奧丁丁新聞10/9 03:22
Avant推AI模型與數據平台助企業顧問抗衡智慧採購挑戰 - OwlNews
共同關鍵字：#Technology
奧丁丁新聞10/9 17:37
AI雜草識別新突破：WeedNet模型精準辨識逾1,500種雜草 - OwlNews
共同關鍵字：#Technology
奧丁丁新聞10/9 04:19
法國新創Mistral推開源AI模型低成本高自主性挑戰巨頭 - OwlNews
共同關鍵字：#Technology

本頁的資料來源與計算方式ⓘ

單篇文章

文章頁只顯示內文或摘要的開頭約 150 字，以及收錄配圖。節錄下方顯示原站完整網址，可開啟原站文章，閱讀全文、其他圖片與影音。

內文狀態: 「內文較短」表示擷取到的文字不足 200 字，可能不完整，且不納入全文相似度比對，只有完整正文才比對。「原站僅提供摘要」表示來源提供的是節錄，本站不當成完整正文。
發現來源: 「由某來源發現」標示本站經由哪個彙整來源（例如 Google 新聞）找到這篇文章，連結指向該來源上的頁面。
文中引用來源: 內文明示提到的其他媒體，附上提到它的原文片段。文章提及的來源，不代表原始作者。
延伸閱讀: 刊登前後 3 天內同一題的其他報導：依共同關鍵字的稀有程度與標題相近程度排序，標題幾乎相同的轉載只列一篇。至少共有 3 個關鍵字，或共有 1、2 個關鍵字且標題夠相近，才列入；其他媒體每家最多 2 篇、共 8 篇，同一媒體最多 5 篇，已列在「他站相似報導」的不重複列出。「所屬事件」是刊登前後一天內、主要標籤與本篇關鍵字重疊（至少 2 個，或重疊的關鍵字夠少見）的事件，最多 3 件。相關關鍵字後的數字為前後 3 天內使用這個關鍵字的媒體與報導數。
他站相似報導: 與前後 7 天內其他媒體文章的內文比對（新聞關係圖的相似度索引，正規化內文的五字片段），列出相似度 65% 以上的文章；索引每 10 分鐘處理新抓到的正文。「內文相同」表示正規化後全文一致；相差不到一分鐘算同時刊登。

相似不等於抄襲：同一份新聞稿、通訊社稿、授權轉載與註明引用都會讓內文相近；刊登時間以各站標示為準，與寫稿先後無關。

寫法

「寫法」只描述文章文字本身寫了什麼，不評斷報導好壞或真假。每篇取得內文的文章在抓到後約 10 分鐘內分析一次，結果永久保存；內文在快取期滿後會刪除，但分析結果仍留著，長期趨勢才能比較。

轉述社群貼文: 內文前 250 字出現「在／於／透過……臉書、粉專、Threads、Instagram、X、YouTube、節目、直播、PTT、Dcard……發文、PO 文、貼文、分享、表示」等寫法，代表這篇的開頭在轉述某人的貼文或節目發言。只看開頭，所以文中後段才引用的貼文不算。
轉述對象分類: 看「在臉書……」前面、同一個逗號內的頭銜詞，例如「精神科醫師」「台北市長」「前立委」「網友」。句子裡只有名字時（「邱毅今天在臉書……」），改看這個名字在最近一週其他報導前面最常出現的頭銜：至少 3 次、同一類過半才採用；文字對不出來時，改用這個關鍵字所在的人物分組（例如「意見領袖」「藝人」）。只有確定是人物的關鍵字（在人物分組裡，或對應到 Wikidata 的人）才會這樣補，避免把「深夜」「學生」這類詞當成人名。每天更新一次，都對不出來的列為「尚未標記」。管理員在「標籤管理」確認共用分類，可同時標記多個角色或背景。相關分類會同步套用到已辨識此轉述對象的報導，並留下紀錄；分類不代表每次發言都以該角色進行。
標題用詞: 依詞表比對標題：懸念（「1事」「原因曝」「回應了」「下場曝」等不說重點的寫法）、反應（「反應驚人」「傻眼」「一面倒」）、攻擊（「怒轟」「狠酸」「開嗆」）。一篇可以同時屬於幾類；詞表比對不理解上下文，例如「轟」也會出現在「轟炸」。
比例的分母: 各家已分析的文章（取得完整內文者）。同一篇報導可計入多個轉述對象分類，各標籤的篇數與比例不可直接相加；報導總篇數只計一次。只取得摘要或內文過短的文章不分析，所以不列入分子也不列入分母。整批轉載其他媒體的轉載站不列入跨媒體比較。

各家比較與完整的分類規則見看寫法。

資料來源

新聞媒體每 9 分鐘、其他媒體每小時抓取一次新文章（每輪從最久沒抓的媒體開始），保存標題、摘要、連結、圖片網址、標籤與署名；正文在刊登後 7 天內可於站內閱讀。收錄的媒體與抓取狀態見媒體來源。

標籤是媒體自己在文章頁標記的關鍵字（news_keywords、keywords、article:tag 等）。文章頁沒有標記時，才用其他媒體近期用過的標籤比對標題補上。

媒體摘要卡

滑鼠停留在媒體名稱上（手機點一下，再點一下進入媒體頁）會顯示媒體摘要；摘要只供瀏覽，不會擋住下方的連結，滑鼠移開就關閉。內容包括藍綠分類，本站過去 24 小時與 7 天收錄的篇數，以及近 24 小時熱門關鍵字。熱門關鍵字統計這家媒體文章的標籤與標題關鍵詞，排除新聞分類詞，每篇每詞計一次，最多取最新 2,000 篇；透過彙整來源收錄的不列關鍵字。

完整的資料來源與計算方式 →

同一件事，各家怎麼說。

追蹤台灣新聞媒體的標籤、事件與議題，並排比較各家標題。

Telegram 討論群 RSS GitHub

把新文易數裝到Chrome／Edge

安裝後會出現在主畫面或應用程式清單，像 App 一樣開啟，不必下載商店 App。

點網址列右側的「安裝」圖示
或從瀏覽器選單選「投放、儲存與分享」→「安裝網頁…」（Edge：「應用程式」→「安裝此網站」）

資料與透明度

即時看板
資料蒐集
資料來源與計算方式

開發與聯絡

API 文件與狀態
聯絡與移除請求
母站 tag.analysis.tw

© 2026 新文易數 · 程式碼以 MIT 授權開源 · 新聞標題、摘要與圖片著作權屬各媒體

今天已收錄 558 篇 · 24 小時內 230 家媒體發稿