LLM-Themenerkennung in Virtual Agent

Große Sprachmodelle (LLMs) ermöglichen es Virtual Agent, Benutzeranweisungen in einfacher Sprache zu verarbeiten. Konversationen, die LLMs verwenden, können die Konversationen, die Natural Language Understanding (NLU) verwenden, mit einer einfacheren Einrichtung übertreffen.

Funktionsweise von LLMs in Virtual Agent

Wenn Sie ein Thema in Virtual Agent-Designererstellen, können Sie LLM als Modelltyp für Ihr Thema auswählen, wenn Now Assist in Virtual Agent aktiviert ist. Virtual Agent verwendet dann die generative KI von LLM, um Themen zu erkennen, die der Absicht des Benutzers entsprechen.

Im Gegensatz zu NLU -Themen müssen für LLMs keine Modelle, Absichten oder Stichwörter mit dem Thema verknüpft werden. LLMs können Themen erkennen und sprachbezogene Aufgaben ausführen, z. B. Textgenerierung für Fallzusammenfassungen und Lösungsnotizen, ohne monatelanges Training mit NLU -Modellen. Insgesamt können Sie LLM-Themen schneller erstellen, konfigurieren und bereitstellen als mit NLU.

Mit LLMs kann Virtual Agent :

• Führen Sie eine Themen-Discovery durch, ohne dass eine einzelne Absicht in einem bestimmten Thema deklariert werden muss.
• Suchen Sie nach Absichten ohne Sicherungsstichwörter wie in der NLU -Modellierung.
• Extrahieren Sie Entitätswerte ohne vorherige Zuordnung wie in der NLU -Modellierung.
• Verarbeitet mehrere Konversationsthemawechsel in einer einzelnen Konversationssitzung.

Themenerkennung

Mit der LLM-Themenerkennung müssen Themenautoren keine komplexen NLU-Modelle und Absichten mit Sicherungsstichwörtern mehr erstellen und verwalten. Das LLM erledigt die ganze Arbeit für Sie. Die einzige Anforderung ist eine robuste Themenbeschreibung in einfacher Sprache auf der Registerkarte Eigenschaften in Virtual Agent-Designer. Das LLM verwendet diese Beschreibung, um die beste Themenübereinstimmung für die Benutzeräußerung zu finden. Wenn es mehrere mögliche Übereinstimmungen gibt, wird dem Benutzer eine Liste mit Themen angezeigt, aus denen er auswählen kann.

Beispiel: Wenn ein Benutzer Virtual Agent bittet, eine Mitfahrgebühr zu berechnen, gleicht das LLM die Äußerung des Benutzers mit einem vorhandenen Thema ab, das die Mitfahrgelegenheit mit einem Tipp berechnen kann.

Entitätsextraktion

Mit LLM-Themen verfügt das LLM über alle Informationen, die erforderlich sind, um zu bestimmen, ob eine Äußerung über die Informationen verfügt, um eine Anforderung zu erfüllen. Im Gegensatz zu NLU -Modellen müssen Sie keine Entitäten einem Benutzereingabeknoten zuordnen oder knotenlose NLU-Entitäten als Eingabevariablen zu einem Thema hinzufügen. Das LLM findet einfach die Entität, die der Benutzerabsicht am ehesten entspricht.

Thema wird gewechselt …

Der Themenwechsel ist mit LLMs im Vergleich zu NLU Themen schneller und einfacher. Das LLM verarbeitet Ihre Anforderungen zum Ändern der Absicht in natürlicher Sprache und aktiviert das entsprechende Thema.

Wenn Sie beispielsweise eine Konversation beginnen, indem Sie nach einem Mobiltelefon fragen, müssen Sie die Bestellung nicht zuerst abbrechen oder die Konversation neu starten. Stattdessen können Sie Virtual Agent bitten, stattdessen einen Laptop zu bestellen. Virtual Agent wechselt sofort vom Mobiltelefonthema zum Laptopthema.