Oct, 2023

利用LangChain自动化客户服务：为组织构建定制的开源GPT聊天机器人

HTML
PDF
TL;DR这篇研究论文介绍了一种创新的方法，使用定制化的大型语言模型（LLM）LangChain来自动化客户服务，通过融合开源方法、网页抓取、微调和将LangChain无缝集成到客户服务平台中，将传统客服技术（尤其是常见问题解答（FAQ））的过时性以及现实质感、上下文感知和个性化客户交互等向新的方向进行转变。
发现论文，激发创造
  • 数据驱动的金融领域统计和自然语言处理技术的内容创作

    本文提出了一个通过摘要网络和层次聚类技术来提取客户提问的框架，同时对客户的问题进行语法和语义相似度分析，并采用TF-IDF和BERT计算相似性得分。

    Sep, 2021

  • 基于人工智能的聊天机器人：客服辅助方法

    本论文研究了聊天机器人系统的概念，使用各种聊天机器人技术开发了与 AK traders Ltd 公司相适应的聊天机器人系统，通过自然语言处理、机器学习和向量空间模型等技术达到高质量的用户体验。

    Jun, 2022

  • 大型语言模型的经济性权衡：一个案例研究

    使用大型语言模型（LLMs）辅助人类客服代理商自动生成现成或有改动的响应已成为许多公司降低雇用客服代理商成本的方式。本文通过使用成本框架评估一个 NLP 模型的实用性，将其应用于特定品牌的案例研究并比较三种 LLM 的专业化策略，发现模型的响应可用性可以补偿推理成本的巨大差异，并将研究结果推广到更广泛的企业领域。

    Jun, 2023

  • 基于自然语言处理的WhatsApp聊天机器人的创建

    在数字化转型时代，客户服务对于组织的成功至关重要，聊天机器人已成为解决问题的有望工具，本研究的目标是开发基于自然语言处理的聊天机器人来改善客户满意度，并提高通过WhatsApp提供的服务质量。研究结果表明，基于自然语言处理的聊天机器人能够快速准确地回应用户查询，提高客户服务效率，降低满意度，并且一些作者指出，机器学习等人工智能技术能提升聊天机器人的学习和适应性。

    Oct, 2023

  • CHOPS: 客服交谈中的客户概况系统与LLMs

    我们提出了一种名为CHOPS的LLM代理，旨在通过现有系统与用户信息进行交互，提供准确合理的响应，并避免有害操作，从而增强或替代人工客户服务。通过使用一个实用的数据集CPHOS-dataset来验证我们提出的CHOPS架构的性能， 我们的研究显示了LLMs如何增强或替代人工客户服务。

    Mar, 2024

  • 自动化客户需求分析：旅游行业大型语言模型的比较研究

    通过比较分析不同的大型语言模型，尤其是开源的 Mistral 7B，我们揭示了它们在旅行客户需求分析任务中的优势和劣势，为企业利用先进的自然语言处理技术提升客户体验和推动运营效率方面提供了有价值的见解。

    Apr, 2024

  • LLM之战：对话型QA任务的比较研究

    通过对ChatGPT、GPT-4、Gemini、Mixtral和Claude在不同的会话问答语料库中生成的回答进行评估，本研究得出了这些最先进的语言模型的综合比较和评估结果，揭示了它们的能力，并突出了改进的潜在领域。

    May, 2024

  • 增强超市机器人交互：针对多样化顾客意图的多层次LLM会话界面

    该论文介绍了一种新型的多层LLM接口，用于协助超市机器人为顾客提供服务，并提出了使用多个经过细分调整的小型专用LLM来处理不同用户查询的方法，通过与GPT-4 Turbo相比较，实验结果表明多层LLM机器人在性能、用户满意度、用户-代理合作及自我形象等四个关键领域取得了显著改进，同时还提出了一种超市机器人导航的方法，使机器人能够根据聊天机器人的响应将产品引导到正确的货架上，然后通过更低级别的机器人知觉、控制和规划实现物品的自动检索。

    Jun, 2024

  • 通过在人类循环中使用LLMs优化和评估检索增强型问答聊天机器人

    通过插入人在开发周期的不同环节，如数据集收集、提示优化和生成输出的评估，我们改进了以大型语言模型驱动的人力资源支持聊天机器人的响应质量，探索了替代的检索方法，从而创建了一种高效、可扩展和灵活的工具，以有效解决员工的问题。我们的实验证明GPT-4优于其他模型，并能通过内部推理能力克服数据的不一致性。此外，通过专家分析，我们推断出G-Eval和Prometheus等无参考评价指标与人工评估的可靠性高度一致。

    Jul, 2024

  • 面向目标的客户服务聊天机器人机器学习模型的实验评估与管道架构

    本研究解决了客户服务聊天机器人中机器学习模型评估的不足，提出了一种针对自然语言理解、对话管理和自然语言生成的个性化评估方法。实验结果表明，BERT在意图检测中表现出色，DDQN在对话管理中优于DQN，而GPT-2在自然语言生成中超越DialoGPT，这为未来客户服务聊天机器人的开发和优化提供了基准和宝贵的参考。

    Sep, 2024