meetings-summary
生成会议的全面总结
目录 / 通信协作 / text-binary-classification
英文文本二分类端到端训练与部署。 当用户提及以下内容时触发:文本分类、情感分析(二分类/正负面)、垃圾邮件检测、0/1标签文本分类、"训练文本分类器"、"构建二分类模型"、"NLP分类模型"、"用CSV训练情感模型",或任何涉及将英文文本分为两类的任务。 涵盖传统机器学习(BoW/TF-IDF + SVM/LR/RF/NB)、深度学习(CNN/LSTM/GRU + GloVe/fastText嵌入,冻结/微调)以及Transformer模型(BERT/RoBERTa/DeBERTa/DistilBERT/ALBERT/ELECTRA/XLNet,特征提取,部分冻结,LoRA微调,全参数微调)。 中文触发词:文本分类、情感分析(二分类/正负面)、垃圾邮件检测、0/1标签文本分类、"训练文本分类器"、"构建二分类模型"、"NLP分类模型"、"用CSV训练情感模型"。 所有训练均包含基线默认设置 + Optuna超参数调优、MLflow实验跟踪、GPU自动检测、进度条显示以及部署工件生成。当用户想要训练、调优或部署英文文本二分类器时,即使未指定模型或框架,也可使用此技能。
| 版本 | 存档时间 | 内容哈希 | 内容 |
|---|---|---|---|
| v1 | 2026-11-11 20:29 | 551e02cc | 可取 |
版本索引永久保留;内容副本只保留最新 1 份,更早版本仅留索引与哈希(存档时间线的证据链不会因此断裂)。
生成会议的全面总结
通过Microsoft Graph(委托授权)查找和导出邮件的模式,包括安全默认设置和分页/重试指南
中文稿件去 AI 味把关与批注式审校技能
当用户询问办公技巧、Office或WPS操作方法、Excel数据整理、Word排版、PPT美化、会议纪要、职场邮件或文件命名规范时,输出分场景的可执行步骤、快捷操作、检查清单与风险提示,不直接修改办公文件
当用户撰写或修改职场邮件时,自动识别催办、跟进、汇报、道歉、请求、通知六类场景,输出带标签的主题、三段式正文(背景—事项—行动)及明确请求;交付前检查是否缺少具体请求、未设定期限、使用空话套话或包含敏感信息;仅读取文件内容,不进行任何修改
自动读取并分类邮箱邮件(IMAP+浏览器自动化双通道),输出含完整正文、按优先级排列的处理报告
侵权举报经核验成立后,我们会即时下线该条目并删除已存的内容副本。