Descoberta de tópico de LLM em Virtual Agent
Modelos de linguagem grandes (LLMs) habilitados Virtual Agentpara processar declarações do usuário em linguagem simples. As conversas que usam LLMs podem superar as conversas que usam Compreensão da linguagem natural( NLU), com configuração mais fácil.
Como os LLMs funcionam em Virtual Agent
Assista a este vídeo para saber mais sobre tópicos de LLM em Designer do Virtual Agent.
Quando você cria um tópico em Designer do Virtual Agent, Você pode selecionar LLM como o tipo de modelo para o seu tópico sempre que quiser Now Assistem Virtual Agentestá ativado. Virtual AgentEm seguida, usa a IA generativa do LLM para descobrir tópicos que correspondem à intenção do usuário.
Diferente NLUOs tópicos, LLMs não exigem que modelos, intenções ou palavras-chave sejam vinculados ao tópico. Os LLMs podem descobrir tópicos e executar tarefas relacionadas ao idioma, como geração de texto para resumos de casos e anotações de resolução, sem meses de treinamento em NLUmodelos. Em geral, você pode criar, configurar e implantar tópicos de LLM mais rapidamente do que trabalhar com NLU.
Com LLMs, Virtual Agentpode fazer o seguinte:
- Execute a descoberta de tópicos sem precisar de uma intenção declarada singular em um determinado tópico.
- Encontre intenções sem palavras-chave de backup como em NLUmodelagem.
- Extraia valores de entidade sem mapeamento prévio como em NLUmodelagem.
- Manipule várias opções de tópico de conversa em uma única sessão de conversa.
Descoberta de tópicos
Com a descoberta de tópicos de LLM, os autores de tópicos não precisam mais criar e manter modelos e intenções de NLU complexos com palavras-chave de backup. O LLM faz todo o trabalho pesado para você. O único requisito é uma descrição robusta do tópico em linguagem simples no Propriedades tab em Designer do Virtual Agent. O LLM usa esta descrição para encontrar a melhor correspondência de tópico para o enunciado do usuário. Se houver várias correspondências potenciais, o usuário verá uma lista de tópicos para escolher.
Por exemplo, se um usuário perguntar Virtual AgentPara calcular uma taxa de compartilhamento de carona, o LLM corresponde o enunciado do usuário a um tópico existente que pode calcular o compartilhamento de carona com uma dica.
Extração de entidade
Com tópicos de LLM, o LLM tem todas as informações necessárias para determinar se um enunciado tem as informações para atender a uma solicitação. Diferente NLU, você não precisa associar entidades a um nó de entrada do usuário ou adicionar entidades NLU sem nó como variáveis de entrada a um tópico. O LLM simplesmente encontra a entidade que mais se adapta à intenção do usuário.
Alternância de tópicos
A alternância de tópicos é mais rápida e fácil com LLMs em comparação com NLUtópicos. O LLM processa suas solicitações de mudança de intenção feitas em linguagem natural e ativa o tópico apropriado.
Por exemplo, se você iniciar uma conversa pedindo um telefone celular, não precisará cancelar o pedido primeiro ou reiniciar a conversa. Em vez disso, você pode perguntar Virtual Agentpara solicitar um laptop. Virtual Agentmuda imediatamente do tópico de telefone celular para o tópico de laptop. A alternância de tópicos pode ser feita durante uma consulta, mas não dentro de um fluxo de pedido de catálogo.
Outro exemplo é quando um usuário pode fazer uma pergunta casual ou se envolver em conversa fiada. A pergunta pode não estar relacionada à solicitação original. Você pode criar tópicos de conversa pequena ou configurar filtros de conversa pequena para ajudar o Virtual Agent a corresponder e iniciar a conversa apropriada para o tópico trocado. Para obter mais informações, consulte Criar um tópico de conversa superficial e Configure small talk filters.