هوش مصنوعی
چارچوب CARE برای بهبود مستمر عامل‌های خدمات مشتری معرفی شد
پیش‌چاپی در arXiv روشی را توصیف می‌کند که در آن خطاهای عاملِ در حال کار، با بازبینی مستقل بررسی می‌شوند تا به‌روزرسانی‌های بعدی مدل را هدایت کنند.
پژوهشگران در پیش‌چاپی با عنوان CARE (Customer-service Agent Retrospective and Evolve)، چارچوبی برای بهبود بازگشتی عامل‌های خدمات مشتری در محیط عملیاتی معرفی کرده‌اند. هدف آن‌ها جایگزین‌کردن یک مدل اختصاصی پیشرفته با مدلی میان‌رده و داخلی است که پس از استقرار نیز به یادگیری ادامه دهد.
طبق چکیده، مدل پس از یک مرحلهٔ آغازین آموزش با ردپاهای تولیدیِ تحت حاکمیت، در کنار مدل فعلی به ترافیک واقعی پاسخ می‌دهد و خطاهای خودش مبنای به‌روزرسانی بعدی می‌شوند. فرایند بازرسی شبانه‌روزی و داوری‌های مستقلِ مبتنی بر شواهد، برای شناسایی خطاها به کار می‌رود. متن در دسترس چکیده در میانهٔ توضیح دربارهٔ تفکیک انتساب خطا قطع می‌شود؛ بنابراین جزئیات بیشتر این سازوکار و نتایج کمی سامانه در منبع ارائه‌شده مشخص نیست.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده