論文の概要: Creating a Gen-AI based Track and Trace Assistant MVP (SuperTracy) for PostNL
- arxiv url: http://arxiv.org/abs/2409.02711v1
- Date: Wed, 4 Sep 2024 13:49:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-05 18:06:49.990308
- Title: Creating a Gen-AI based Track and Trace Assistant MVP (SuperTracy) for PostNL
- Title（参考訳）: PostNLのためのGen-AIベースのトラックとトレースアシスタントMVP(SuperTracy)の作成
- Authors: Mohammad Reshadati,
- Abstract要約: オランダ最大のパーセルおよびEコマース企業であるPostNLは、生成AIを使用して、パーセルの追跡と追跡に関するコミュニケーションを強化しようとしている。
インターンシップの間、生成AI技術を使用する価値を示すために、MVP(Minimal Viable Product)が作成されます。
MVPはSuperTracyと呼ばれるマルチエージェントのオープンソースLLMシステムの実装に成功した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The developments in the field of generative AI has brought a lot of opportunities for companies, for instance to improve efficiency in customer service and automating tasks. PostNL, the biggest parcel and E-commerce corporation of the Netherlands wants to use generative AI to enhance the communication around track and trace of parcels. During the internship a Minimal Viable Product (MVP) is created to showcase the value of using generative AI technologies, to enhance parcel tracking, analyzing the parcel's journey and being able to communicate about it in an easy to understand manner. The primary goal was to develop an in-house LLM-based system, reducing dependency on external platforms and establishing the feasibility of a dedicated generative AI team within the company. This multi-agent LLM based system aimed to construct parcel journey stories and identify logistical disruptions with heightened efficiency and accuracy. The research involved deploying a sophisticated AI-driven communication system, employing Retrieval-Augmented Generation (RAG) for enhanced response precision, and optimizing large language models (LLMs) tailored to domain specific tasks. The MVP successfully implemented a multi-agent open-source LLM system, called SuperTracy. SuperTracy is capable of autonomously managing a broad spectrum of user inquiries and improving internal knowledge handling. Results and evaluation demonstrated technological innovation and feasibility, notably in communication about the track and trace of a parcel, which exceeded initial expectations. These advancements highlight the potential of AI-driven solutions in logistics, suggesting many opportunities for further refinement and broader implementation within PostNL operational framework.
- Abstract（参考訳）: 生成AIの分野での開発は、例えばカスタマーサービスの効率化やタスクの自動化など、企業にとって多くの機会をもたらしている。
オランダ最大のパーセルおよびEコマース企業であるPostNLは、生成AIを使用して、パーセルの追跡と追跡に関するコミュニケーションを強化しようとしている。
インターンシップ中にMVP(Minimum Viable Product)が作成され、生成AI技術を使用することの価値を示し、パーセル追跡を強化し、パーセルの旅路を分析し、簡単に理解できる方法でそれについてコミュニケーションすることができる。
主な目標は、社内でLLMベースのシステムを開発し、外部プラットフォームへの依存を減らし、社内に専用の生成AIチームを実現することであった。
このマルチエージェントLCMベースのシステムは、パーセル旅行のストーリーを構築し、効率と正確性を高めた論理的破壊を識別することを目的としている。
この研究は、洗練されたAI駆動の通信システムの構築、応答精度の向上にRetrieval-Augmented Generation(RAG)を使用し、ドメイン固有のタスクに適した大規模言語モデル(LLM)を最適化することを含む。
MVPはSuperTracyと呼ばれるマルチエージェントのオープンソースLLMシステムの実装に成功した。
SuperTracyは、幅広いユーザーの問い合わせを自律的に管理し、内部知識処理を改善することができる。
結果と評価は技術革新と実現可能性を示し、特に最初の期待を超越したパーセルの軌跡と痕跡に関するコミュニケーションにおいて顕著であった。
これらの進歩は、ロジスティクスにおけるAI駆動ソリューションの可能性を強調し、PostNL運用フレームワークのさらなる洗練と広範な実装の機会を示唆している。
関連論文リスト
- Intelligent Mobile AI-Generated Content Services via Interactive Prompt Engineering and Dynamic Service Provisioning [55.641299901038316]
AI生成コンテンツは、ネットワークエッジで協調的なMobile AIGC Service Providers(MASP)を編成して、リソース制約のあるユーザにユビキタスでカスタマイズされたコンテンツを提供することができる。
このようなパラダイムは2つの大きな課題に直面している: 1) 生のプロンプトは、ユーザーが特定のAIGCモデルで経験していないために、しばしば生成品質が低下する。
本研究では,Large Language Model (LLM) を利用してカスタマイズしたプロンプトコーパスを生成する対話型プロンプトエンジニアリング機構を開発し,政策模倣に逆強化学習(IRL)を用いる。
論文 参考訳（メタデータ） (2025-02-17T03:05:20Z) - Large Action Models: From Inception to Implementation [51.81485642442344]
大規模アクションモデル(LAM)は動的環境内でのアクション生成と実行のために設計されている。
LAMは、AIを受動的言語理解からアクティブなタスク完了に変換する可能性を秘めている。
創発から展開まで,LAMを体系的に開発するための総合的なフレームワークを提案する。
論文 参考訳（メタデータ） (2024-12-13T11:19:56Z) - Large Language Model as a Catalyst: A Paradigm Shift in Base Station Siting Optimization [62.16747639440893]
大規模言語モデル(LLM)とその関連技術は、特に迅速な工学とエージェント工学の領域において進歩している。
提案するフレームワークは、検索拡張生成(RAG)を組み込んで、ドメイン固有の知識を取得してソリューションを生成するシステムの能力を高める。
論文 参考訳（メタデータ） (2024-08-07T08:43:32Z) - Generative AI Systems: A Systems-based Perspective on Generative AI [12.400966570867322]
大規模言語モデル(LLM)は、自然言語を用いた機械との通信を可能にすることで、AIシステムに革命をもたらした。
ジェネレーティブAI(GenAI)の最近の進歩は、マルチモーダルシステムとしてLLMを使うことに大きな期待を示している。
本稿では,ジェネレーティブAIシステムにおける新たな研究の方向性を探求し,述べることを目的とする。
論文 参考訳（メタデータ） (2024-06-25T12:51:47Z) - Large Language Models for UAVs: Current State and Pathways to the Future [6.85423435360359]
無人航空機(UAV)は様々な分野にまたがるトランスフォーメーション技術として登場した。
この研究は、自律システムの開発を促進するために、UAVとLarge Language Models(LLM)を統合する大きな可能性を探求する。
論文 参考訳（メタデータ） (2024-05-02T21:30:10Z) - LEGENT: Open Platform for Embodied Agents [60.71847900126832]
LEGENTはLarge Language Models (LLM) とLarge Multimodal Models (LMM) を用いたエンボディエージェントを開発するためのオープンでスケーラブルなプラットフォームである。
LEGENTはリッチでインタラクティブな3D環境を提供し、コミュニケーション可能でアクション可能なエージェントをユーザフレンドリーなインターフェースと組み合わせている。
実験では、EGENT生成データに基づいて訓練された胚性視覚言語モデルが、エンボディタスクにおいてGPT-4Vを超える。
論文 参考訳（メタデータ） (2024-04-28T16:50:12Z) - DIALIGHT: Lightweight Multilingual Development and Evaluation of
Task-Oriented Dialogue Systems with Large Language Models [76.79929883963275]
DIALIGHTは多言語タスク指向対話(ToD)システムの開発と評価のためのツールキットである。
ローカル発話レベルとグローバル対話レベルの両方において、人間のきめ細かい評価のためのセキュアでユーザフレンドリーなWebインターフェースを備えている。
評価の結果, PLMの微調整により精度とコヒーレンスが向上する一方, LLMベースのシステムは多様で類似した応答を生成するのに優れていた。
論文 参考訳（メタデータ） (2024-01-04T11:27:48Z) - Open-TI: Open Traffic Intelligence with Augmented Language Model [22.114089372056235]
Open-TIは、チューリング識別可能なトラフィックインテリジェンスを目標とする革新的なモデルである。
ゼロから徹底的な交通分析を行うことができる最初の方法である。
Open-TIは、トレーニングや交通信号制御ポリシーの適用といったタスク固有の実施を可能にする。
論文 参考訳（メタデータ） (2023-12-30T11:50:11Z) - GPT4AIGChip: Towards Next-Generation AI Accelerator Design Automation via Large Language Models [20.844806635710526]
GPT4AIGChipは、人間の自然言語を活用してAIアクセラレータ設計を民主化するためのフレームワークである。
この研究は、LLMを利用した自動AIアクセラレータ生成のための効果的なパイプラインを初めて実証したものだ。
論文 参考訳（メタデータ） (2023-09-19T16:14:57Z) - NExT-GPT: Any-to-Any Multimodal LLM [75.5656492989924]
我々は,NExT-GPTという汎用的なMM-LLMシステムを提案する。
NExT-GPTは入力を知覚し、テキスト、画像、ビデオ、オーディオの任意の組み合わせで出力を生成することができる。
モーダリティ・スイッチング・インストラクション・チューニング(MosIT)を導入し,複雑なモーダリティ・セマンティック・理解とコンテンツ生成によってNExT-GPTが強化されたMosITの高品質なデータセットを手作業でキュレートする。
論文 参考訳（メタデータ） (2023-09-11T15:02:25Z)
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。