論文の概要: Bringing the State-of-the-Art to Customers: A Neural Agent Assistant Framework for Customer Service Support

• arxiv url: http://arxiv.org/abs/2302.03222v1
• Date: Tue, 7 Feb 2023 03:11:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-08 17:48:51.302502
• Title: Bringing the State-of-the-Art to Customers: A Neural Agent Assistant Framework for Customer Service Support
• Title（参考訳）: 現状を顧客に提供する: 顧客サービスサポートのためのニューラルネットワークアシスタントフレームワーク
• Authors: Stephen Obadinma, Faiza Khan Khattak, Shirley Wang, Tania Sidhom, Elaine Lau, Sean Robertson, Jingcheng Niu, Winnie Au, Alif Munim, Karthik Raja K. Bhaskar, Bencheng Wei, Iris Ren, Waqar Muhammad, Erin Li, Bukola Ishola, Michael Wang, Griffin Tanner, Yu-Jia Shiah, Sean X. Zhang, Kwesi P. Apponsah, Kanishk Patel, Jaswinder Narain, Deval Pandya, Xiaodan Zhu, Frank Rudzicz, Elham Dolatabadi
• Abstract要約: カスタマーサービスサポートの改善を支援するエージェントアシスタントの構築には、業界ユーザとその顧客からのインプットが必要である。 学術と産業の専門知識を組み合わせて、ギャップを埋め、タスク/ドメイン固有のエージェントアシスタントを構築します。 本研究は,NLPモデルの発展を促進するために,協調的なプロセスが重要であることを示唆している。
• 参考スコア（独自算出の注目度）: 16.023575127467204
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Building Agent Assistants that can help improve customer service support requires inputs from industry users and their customers, as well as knowledge about state-of-the-art Natural Language Processing (NLP) technology. We combine expertise from academia and industry to bridge the gap and build task/domain-specific Neural Agent Assistants (NAA) with three high-level components for: (1) Intent Identification, (2) Context Retrieval, and (3) Response Generation. In this paper, we outline the pipeline of the NAA's core system and also present three case studies in which three industry partners successfully adapt the framework to find solutions to their unique challenges. Our findings suggest that a collaborative process is instrumental in spurring the development of emerging NLP models for Conversational AI tasks in industry. The full reference implementation code and results are available at \url{https://github.com/VectorInstitute/NAA}
• Abstract（参考訳）: カスタマーサービスサポートの改善を支援するエージェントアシスタントの構築には、業界ユーザとその顧客からのインプットと、最先端の自然言語処理(NLP)技術に関する知識が必要である。 我々は,(1)意図的識別,(2)文脈検索,(3)応答生成の3つの高レベルなコンポーネントと,そのギャップを埋め,タスク/ドメイン固有のニューラルエージェントアシスタント(NAA)を構築するために,学術と産業の専門知識を組み合わせる。 本稿では,NAAのコアシステムのパイプラインの概要を述べるとともに,3つの業界パートナが独自の課題に対する解決策を見つけるために,このフレームワークをうまく適用する3つのケーススタディを示す。 本研究は,産業における会話型aiタスクのための新たなnlpモデルの開発を促進する上で,協調プロセスが有効であることを示唆する。 完全なリファレンス実装コードと結果は \url{https://github.com/vectorinstitute/naa} で入手できる。

関連論文リスト

• 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)
• Domain Adaptable Prescriptive AI Agent for Enterprise [2.6207267039700888]
  本研究は,一連の因果的・規範的ツールを備えたドメイン適応型会話エージェントPrecAIseの開発に焦点をあてる。 発表されている自然言語ユーザインタフェース(NLUI)は、機械学習とデータサイエンスの専門知識に制限のあるユーザに対して、意思決定プロセスにおける規範的分析の活用を可能にする。
  論文  参考訳（メタデータ） (2024-07-29T23:00:32Z)
• OTOv3: Automatic Architecture-Agnostic Neural Network Training and Compression from Structured Pruning to Erasing Operators [57.145175475579315]
  このトピックは、構造化プルーニングからニューラルアーキテクチャサーチまで、さまざまなテクニックにまたがっている。 第3世代のOTOv3(Noth-Train-Once)を導入する。 我々は,構造化プルーニングとニューラルアーキテクチャ探索におけるOTOv3の有効性を実証した。
  論文  参考訳（メタデータ） (2023-12-15T00:22:55Z)
• Developer Experiences with a Contextualized AI Coding Assistant: Usability, Expectations, and Outcomes [11.520721038793285]
  この研究は、コンテキスト化されたコーディングAIアシスタントであるStackSpot AIを制御された環境で使用した62人の参加者の初期体験に焦点を当てる。 アシスタントの使用は、大幅な時間を節約し、ドキュメントへのアクセスを容易にし、内部APIの正確なコードを生成する結果となった。 コーディングアシスタントが、複雑なコードを扱う際の変数応答や制限と同様に、よりコンテキスト情報にアクセスできるようにするために必要な知識ソースに関連する課題が観察された。
  論文  参考訳（メタデータ） (2023-11-30T10:52:28Z)
• Synergizing Human-AI Agency: A Guide of 23 Heuristics for Service Co-Creation with LLM-Based Agents [16.560339524456268]
  この研究は、に関心のあるサービスプロバイダが、その実践者やより広範なコミュニティに対して、Large Language Models(LLM)技術が統合されるかどうかを判断するための原動力となる。 LLMをベースとしたサービス共同作成ツールであるCoAGentを通じて,非AI専門家とAIの相互学習の旅について検討する。
  論文  参考訳（メタデータ） (2023-10-23T16:11:48Z)
• GAIA Search: Hugging Face and Pyserini Interoperability for NLP Training Data Exploration [97.68234051078997]
  我々はPyseriniを、オープンソースのAIライブラリとアーティファクトのHugging Faceエコシステムに統合する方法について論じる。 Jupyter NotebookベースのウォークスルーがGitHubで公開されている。 GAIA Search - 前述した原則に従って構築された検索エンジンで、人気の高い4つの大規模テキストコレクションへのアクセスを提供する。
  論文  参考訳（メタデータ） (2023-06-02T12:09:59Z)
• IXA/Cogcomp at SemEval-2023 Task 2: Context-enriched Multilingual Named Entity Recognition using Knowledge Bases [53.054598423181844]
  3つのステップからなる新しいNERカスケードアプローチを提案する。 我々は、細粒度および新興物質を正確に分類する上で、外部知識基盤の重要性を実証的に示す。 本システムは,低リソース言語設定においても,マルチコネラ2共有タスクにおいて頑健な性能を示す。
  論文  参考訳（メタデータ） (2023-04-20T20:30:34Z)
• A Survey on Low-Resource Neural Machine Translation [106.51056217748388]
  我々は、関連する作品を、使用した補助データに基づいて3つのカテゴリに分類する。 私たちの調査は、研究者がこの分野をよりよく理解し、より良いアルゴリズムを設計するきっかけになることを期待しています。
  論文  参考訳（メタデータ） (2021-07-09T06:26:38Z)
• Wizard of Search Engine: Access to Information Through Conversations with Search Engines [58.53420685514819]
  我々は3つの側面からCISの研究を促進するために努力している。 目的検出(ID)、キーフレーズ抽出(KE)、行動予測(AP)、クエリ選択(QS)、通過選択(PS)、応答生成(RG)の6つのサブタスクでCIS用のパイプラインを定式化する。 検索エンジンのウィザード(WISE)と呼ばれるベンチマークデータセットをリリースし、CISのすべての側面について包括的かつ詳細な調査を可能にします。
  論文  参考訳（メタデータ） (2021-05-18T06:35:36Z)
• A Data-Centric Framework for Composable NLP Workflows [109.51144493023533]
  アプリケーションドメインにおける経験的自然言語処理システム(例えば、ヘルスケア、ファイナンス、教育)は、複数のコンポーネント間の相互運用を伴う。 我々は,このような高度なNLPの高速な開発を支援するために,統一的なオープンソースフレームワークを構築した。
  論文  参考訳（メタデータ） (2021-03-02T16:19:44Z)
• BERTa\'u: Ita\'u BERT for digital customer service [0.0]
  我々はBERTa'uと呼ばれるポルトガルの金融ドメイン言語表現モデルを導入する。 我々の新しい貢献は、BERTa'u事前訓練された言語モデルでは、より少ないデータが必要であり、3つのNLPタスクで最先端のパフォーマンスに達し、より小さく、より軽量なモデルが実現可能であることである。
  論文  参考訳（メタデータ） (2021-01-28T14:29:03Z)

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。