대규모 언어 모델(LLM)을 사용하면 일반 언어로 사용자 진술을 처리할 수 가상 에이전트 있습니다. LLM을 사용하는 대화는 ()를 사용하는 자연어 이해NLU대화보다 더 쉽게 설정할 수 있습니다.

에서 LLM이 작동하는 방식 가상 에이전트

에서 주제를 가상 에이전트 디자이너만들 때 패널과 Now Assist in 가상 에이전트 이 모두 Now Assist 켜질 때마다 주제의 모델 유형으로 LLM을 선택할 수 있습니다. 가상 에이전트 그런 다음 LLM 생성 AI를 사용하여 사용자의 의도와 일치하는 주제를 검색합니다.

주제와 달리 NLU LLM은 주제와 연결하기 위해 모델, 의도 또는 키워드가 필요하지 않습니다. LLM은 수개월의 모델 교육 없이도 주제를 발견하고 사례 요약 및 해결 메모를 위한 텍스트 생성과 같은 언어 관련 NLU 작업을 수행할 수 있습니다. 전반적으로 LLM 주제를 보다 빠르게 NLU생성, 구성 및 배포할 수 있습니다.

LLM을 가상 에이전트 사용하면 다음을 수행할 수 있습니다.

  • 지정된 주제에서 선언된 단일 의도가 없어도 주제 검색을 수행합니다.
  • 모델링에서 NLU 와 같이 백업 키워드 없이 의도를 찾습니다.
  • 모델링에서와 NLU 같이 사전 매핑 없이 엔터티 값을 추출합니다.
  • 단일 대화 세션에서 여러 대화 주제 전환을 처리합니다.

주제 검색

LLM 주제 검색을 사용하면 주제 작성자는 더 이상 백업 키워드를 사용하여 복잡한 NLU 모델 및 의도를 생성하고 유지 관리할 필요가 없습니다. LLM이 모든 어려운 작업을 수행합니다. 유일한 요구 사항은 의 속성 탭 가상 에이전트 디자이너에 있는 강력하고 쉬운 언어 주제 설명입니다. LLM은 이 설명을 사용하여 사용자 발언에 가장 적합한 주제 일치를 찾습니다. 잠재적인 일치 항목이 여러 개인 경우 사용자에게 선택할 주제 목록이 표시됩니다.

예를 들어, 사용자가 승차 공유 요금을 계산하도록 요청 가상 에이전트 하면 LLM은 사용자 발언을 팁으로 승차 공유를 계산할 수 있는 기존 주제와 일치시킵니다.

엔터티 추출

LLM 주제를 사용하면 LLM에 발언에 요청을 이행하기 위한 정보가 있는지 확인하는 데 필요한 모든 정보가 있습니다. 모델과 달리 NLU 엔터티를 사용자 입력 노드와 연결하거나 노드가 없는 NLU 엔터티를 입력 변수로 주제에 추가할 필요가 없습니다. LLM은 단순히 사용자 의도에 가장 근접한 엔터티를 찾습니다.

주제 전환

주제 전환은 주제에 비해 NLU LLM을 사용하면 더 빠르고 쉽습니다. LLM은 자연어로 작성된 의도를 변경하기 위한 요청을 처리하고 적절한 주제를 활성화합니다.

예를 들어 휴대폰을 요청하여 대화를 시작하는 경우 먼저 주문을 취소하거나 대화를 다시 시작할 필요가 없습니다. 대신 노트북 주문을 요청할 가상 에이전트 수 있습니다. 가상 에이전트 휴대폰 주제에서 노트북 주제로 즉시 전환됩니다.