論文の概要: Advising Agent for Service-Providing Live-Chat Operators
- arxiv url: http://arxiv.org/abs/2105.03986v1
- Date: Sun, 9 May 2021 18:10:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-12 04:07:30.465441
- Title: Advising Agent for Service-Providing Live-Chat Operators
- Title(参考訳): サービス提供ライブチャットオペレータのアドバイザリングエージェント
- Authors: Aviram Aviv, Yaniv Oshrat, Samuel A. Assefa, Tobi Mustapha, Daniel
Borrajo, Manuela Veloso, Sarit Kraus
- Abstract要約: クライアントに出席中にオペレーターにオンラインアドバイスを提供する補助エージェントを訓練し実装するためのアルゴリズムと手法を提案する。
エージェントはドメインに依存しず、専門分野の構造的知識を設計、訓練、組織化することなしに、新しいドメインに導入することができる。
- 参考スコア(独自算出の注目度): 24.968407243809757
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Call centers, in which human operators attend clients using textual chat, are
very common in modern e-commerce. Training enough skilled operators who are
able to provide good service is a challenge. We suggest an algorithm and a
method to train and implement an assisting agent that provides on-line advice
to operators while they attend clients. The agent is domain-independent and can
be introduced to new domains without major efforts in design, training and
organizing structured knowledge of the professional discipline. We demonstrate
the applicability of the system in an experiment that realizes its full
life-cycle on a specific domain and analyze its capabilities.
- Abstract(参考訳): ヒューマンオペレーターがテキストチャットを使ってクライアントに出席するコールセンターは、現代のeコマースで非常に一般的である。
優れたサービスを提供することができる十分な熟練したオペレータのトレーニングは難しい。
クライアントに出席中にオペレーターにオンラインアドバイスを提供する補助エージェントを訓練し実装するためのアルゴリズムと手法を提案する。
エージェントはドメインに依存しず、専門分野の構造的知識を設計、訓練、組織化することなしに新しいドメインに導入することができる。
本研究では,特定のドメイン上での全ライフサイクルを実現し,その機能を分析する実験において,システムの適用性を示す。
関連論文リスト
- Learning to Coordinate with Experts [5.012314384895538]
我々は、学習と要求制御という基本的な調整問題を導入する。
目的は、いつ自律的に行動すべきか、いつ専門家の援助を求めるのかを決定する戦略を学ぶことである。
実証研究を容易にするために,多様なドメインを特徴とするオープンソースベンチマークであるRC-Benchを紹介した。
論文 参考訳(メタデータ) (2025-02-13T18:41:55Z) - Proposer-Agent-Evaluator(PAE): Autonomous Skill Discovery For Foundation Model Internet Agents [64.75036903373712]
Proposer-Agent-Evaluatorは、基礎モデルエージェントが野生のスキルを自律的に発見し、実践することを可能にする学習システムである。
PAEの中心となるタスクプロポーサは、エージェントがコンテキスト情報で実践するためのタスクを自律的に提案するコンテキスト対応タスクプロポーサである。
成功評価は、エージェントがRLを介してポリシーを洗練するための報酬信号として機能する。
論文 参考訳(メタデータ) (2024-12-17T18:59:50Z) - CRMArena: Understanding the Capacity of LLM Agents to Perform Professional CRM Tasks in Realistic Environments [90.29937153770835]
CRMArenaは、プロフェッショナルな作業環境に根ざした現実的なタスクにおいて、AIエージェントを評価するために設計されたベンチマークである。
現状のLDMエージェントはReActプロンプトのタスクの40%以下で成功し,機能呼び出し能力でも55%以下であった。
この結果から,実環境に展開する関数呼び出しやルールフォローにおいて,エージェント機能の向上の必要性が示唆された。
論文 参考訳(メタデータ) (2024-11-04T17:30:51Z) - A Learnable Agent Collaboration Network Framework for Personalized Multimodal AI Search Engine [14.123823081267336]
本稿では,Agent Collaboration Network (ACN) と呼ばれる新しいAI検索エンジンフレームワークを提案する。
ACNフレームワークは、複数の専門エージェントが協力して作業し、それぞれがアカウントマネージャ、ソリューションストラテジスト、情報マネージャ、コンテンツクリエータといった異なる役割を担っている。
ACNの特長は、エージェント間のオンライン相乗的調整をサポートする反射フォワード最適化法(RFO)の導入である。
論文 参考訳(メタデータ) (2024-09-01T07:01:22Z) - PromptAgent: Strategic Planning with Language Models Enables
Expert-level Prompt Optimization [60.00631098364391]
PromptAgentは、エキスパートレベルのプロンプトを、専門家による手工芸品と同等の品質で作成する最適化手法である。
PromptAgentは人間のような試行錯誤の探索にインスパイアされ、専門家レベルの正確な洞察と詳細な指示を誘導する。
PromptAgentを3つの実践領域にまたがる12のタスクに適用する。
論文 参考訳(メタデータ) (2023-10-25T07:47:01Z) - ChoiceMates: Supporting Unfamiliar Online Decision-Making with Multi-Agent Conversational Interactions [53.07022684941739]
これらのニーズに対応するために設計された対話型マルチエージェントシステムであるChoiceMatesを提案する。
エージェントによるタスクを自動化する既存のマルチエージェントシステムとは異なり、ユーザはエージェントを編成して意思決定プロセスを支援する。
論文 参考訳(メタデータ) (2023-10-02T16:49:39Z) - CAMEL: Communicative Agents for "Mind" Exploration of Large Language
Model Society [58.04479313658851]
本稿では,コミュニケーションエージェント間の自律的協調を支援するスケーラブルな手法の構築の可能性について検討する。
本稿では,ロールプレイングという新しいコミュニケーションエージェントフレームワークを提案する。
コントリビューションには、新しいコミュニケーティブエージェントフレームワークの導入、マルチエージェントシステムの協調行動や能力を研究するためのスケーラブルなアプローチの提供などが含まれます。
論文 参考訳(メタデータ) (2023-03-31T01:09:00Z) - AdaCoach: A Virtual Coach for Training Customer Service Agents [14.34418767603295]
AdaCoachは、助けを求める実際の顧客をシミュレートし、顧客サービスエージェントとの対話を積極的に開始するように設計されている。
自動対話評価モデルを用いて、トレーニングプロセスにおける顧客エージェントのパフォーマンスを評価する。
私たちの知る限りでは、人間とコンピュータのインタラクションを通じてカスタマーサービスエージェントを訓練する最初のシステムです。
論文 参考訳(メタデータ) (2022-04-27T13:39:27Z) - Teachable Reinforcement Learning via Advice Distillation [161.43457947665073]
外部教師が提供した構造化アドバイスから学習する「教育可能な」意思決定システムに基づく対話型学習のための新しい指導パラダイムを提案する。
我々は、アドバイスから学ぶエージェントが、標準的な強化学習アルゴリズムよりも人的監督力の少ない新しいスキルを習得できることを示す。
論文 参考訳(メタデータ) (2022-03-19T03:22:57Z) - Learning to Assist Agents by Observing Them [41.74498230885008]
動作の表現を生成する能力は、まずオフラインデータで事前訓練される。
我々は、補助エージェントが補助された人工エージェントの環境を操作できるグリッドワールドで設定をテストする。
論文 参考訳(メタデータ) (2021-10-04T10:38:59Z) - A Semantic Web Framework for Automated Smart Assistants: COVID-19 Case
Study [0.0]
Instant Expertは、音声対応スマートアシスタントの構築と統合のためのオープンソースのセマンティックWebフレームワークである。
提案するフレームワークは、高度なWeb技術を活用して、再利用性と信頼性を確保する。
疾病予防管理センター(CDC)のデータに基づいて、新型コロナウイルスの情報アシスタントを作成するためのユースケースを提示する。
論文 参考訳(メタデータ) (2020-07-01T20:47:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。