論文の概要: DECO: Life-Cycle Management of Enterprise-Grade Chatbots

• arxiv url: http://arxiv.org/abs/2412.06099v1
• Date: Sun, 08 Dec 2024 23:00:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-10 14:58:42.765370
• Title: DECO: Life-Cycle Management of Enterprise-Grade Chatbots
• Title（参考訳）: DECO: エンタープライズグレードチャットボットのライフサイクル管理
• Authors: Yiwen Zhu, Mathieu Demarne, Kai Deng, Wenjing Wang, Nutan Sahoo, Divya Vermareddy, Hannah Lerner, Yunlei Lu, Swati Bararia, Anjali Bhavan, William Zhang, Xia Li, Katherine Lin, Miso Cilimdzic, Subru Krishnan,
• Abstract要約: DECOはエンタープライズグレードのチャットボットを開発し、デプロイし、管理するための包括的なフレームワークである。 効率的でカスタマイズされた検索拡張世代(RAG)アルゴリズムをサポートする。 また、構造化されていないインシデントログをユーザフレンドリで構造化されたガイドに変換するための堅牢なメカニズムも組み込まれている。
• 参考スコア（独自算出の注目度）: 9.908567982584815
• License:
• Abstract: Software engineers frequently grapple with the challenge of accessing disparate documentation and telemetry data, including Troubleshooting Guides (TSGs), incident reports, code repositories, and various internal tools developed by multiple stakeholders. While on-call duties are inevitable, incident resolution becomes even more daunting due to the obscurity of legacy sources and the pressures of strict time constraints. To enhance the efficiency of on-call engineers (OCEs) and streamline their daily workflows, we introduced DECO -- a comprehensive framework for developing, deploying, and managing enterprise-grade chatbots tailored to improve productivity in engineering routines. This paper details the design and implementation of the DECO framework, emphasizing its innovative NL2SearchQuery functionality and a hierarchical planner. These features support efficient and customized retrieval-augmented-generation (RAG) algorithms that not only extract relevant information from diverse sources but also select the most pertinent toolkits in response to user queries. This enables the addressing of complex technical questions and provides seamless, automated access to internal resources. Additionally, DECO incorporates a robust mechanism for converting unstructured incident logs into user-friendly, structured guides, effectively bridging the documentation gap. Feedback from users underscores DECO's pivotal role in simplifying complex engineering tasks, accelerating incident resolution, and bolstering organizational productivity. Since its launch in September 2023, DECO has demonstrated its effectiveness through extensive engagement, with tens of thousands of interactions from hundreds of active users across multiple organizations within the company.
• Abstract（参考訳）: ソフトウェアエンジニアは、トラブルシューティングガイド(TSG)、インシデントレポート、コードリポジトリ、複数の利害関係者によって開発されたさまざまな内部ツールなど、さまざまなドキュメントやテレメトリデータにアクセスするという課題に、しばしば直面する。 オンコールの義務は避けられないが、レガシーソースの曖昧さと厳格な時間制約のプレッシャーにより、インシデント解決はさらに困難になる。 オンコールエンジニア(OCE)の効率を高め、日々のワークフローを合理化するために、エンジニアリングルーチンの生産性向上に適したエンタープライズグレードのチャットボットを開発し、デプロイし、管理するための包括的なフレームワークであるDECを導入しました。 本稿では,DECフレームワークの設計と実装について詳述し,その革新的なNL2SearchQuery機能と階層型プランナを強調した。 これらの機能は、多様なソースから関連情報を抽出するだけでなく、ユーザクエリに応答して最も関連するツールキットを選択する、効率的でカスタマイズされた検索拡張世代(RAG)アルゴリズムをサポートする。 これにより、複雑な技術的な問題への対処が可能になり、内部リソースへのシームレスで自動化されたアクセスを提供する。 さらに、DeCOには、構造化されていないインシデントログをユーザフレンドリで構造化されたガイドに変換するための堅牢なメカニズムが組み込まれており、ドキュメントのギャップを効果的に埋めている。 ユーザからのフィードバックは、複雑なエンジニアリングタスクの簡素化、インシデント解決の加速、組織の生産性向上におけるDECの重要な役割を強調している。 2023年9月のローンチ以来、DeCOは大規模なエンゲージメントを通じて、同社内の複数の組織で数百のアクティブユーザから数万のインタラクションによって、その効果を実証してきた。

関連論文リスト

• HierTOD: A Task-Oriented Dialogue System Driven by Hierarchical Goals [4.630232280155836]
  タスク指向対話 (Task-Oriented Dialogue, TOD) は、自然言語による対話を通じてタスクの完了を支援するシステムである。 本稿では,階層的な目標によって駆動されるエンタープライズTODシステムであるHierTODを紹介する。 システム実装では,情報収集のためのスロットフィリングとタスク実行のためのステップバイステップガイダンスという,2つのTODパラダイムを統一する。
  論文  参考訳（メタデータ） (2024-11-11T17:28:19Z)
• Towards Human-Level Understanding of Complex Process Engineering Schematics: A Pedagogical, Introspective Multi-Agent Framework for Open-Domain Question Answering [0.0]
  化学・プロセス産業では、プロセス・フロー・ダイアグラム(PFD)とパイプ・アンド・インスツルメンテーション・ダイアグラム(P&ID)が設計、建設、保守に不可欠である。 生成型AIの最近の進歩は、ビジュアル質問回答(VQA)のプロセス図の理解と解釈の約束を示している。 本稿では,階層的かつマルチエージェントなRetrieval Augmented Generation(RAG)フレームワークを用いた,セキュアでオンプレミスなエンタープライズソリューションを提案する。
  論文  参考訳（メタデータ） (2024-08-24T19:34:04Z)
• A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
  タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。 本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。 移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
  論文  参考訳（メタデータ） (2024-08-11T14:57:57Z)
• Towards a RAG-based Summarization Agent for the Electron-Ion Collider [0.5504260452953508]
  A Retrieval Augmented Generation (RAG)ベースのEIC用要約AI(RAGS4EIC)が開発中である。 このAIエージェントは情報を凝縮するだけでなく、関連する応答を効果的に参照する。 まず、関連するすべての実験情報を含む包括的ベクトルデータベースを問合せし、次に、Large Language Model(LLM)を用いて、ユーザクエリと検索データに基づく引用に富んだ簡潔な要約を生成する。
  論文  参考訳（メタデータ） (2024-03-23T05:32:46Z)
• Unified Human-Scene Interaction via Prompted Chain-of-Contacts [61.87652569413429]
  HSI(Human-Scene Interaction)は、AIや仮想現実といった分野において重要なコンポーネントである。 本稿では,言語コマンドによる多様なインタラクションの統一制御を支援する統一型HSIフレームワークUniHSIを提案する。
  論文  参考訳（メタデータ） (2023-09-14T17:59:49Z)
• Flexible Job Shop Scheduling via Dual Attention Network Based Reinforcement Learning [73.19312285906891]
  フレキシブルなジョブショップスケジューリング問題(FJSP)では、複数のマシンで操作を処理でき、操作とマシンの間の複雑な関係が生じる。 近年, 深層強化学習(DRL)を用いて, FJSP解決のための優先派遣規則(PDR)を学習している。 本稿では,Deep機能抽出のための自己注意モデルと,スケーラブルな意思決定のためのDRLの利点を生かした,エンドツーエンド学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-09T01:35:48Z)
• A Unified Architecture for Dynamic Role Allocation and Collaborative Task Planning in Mixed Human-Robot Teams [0.0]
  任意のサイズの混合ロボットチームにおいて,動的役割割り当てと協調作業計画のための新しいアーキテクチャを提案する。 このアーキテクチャは、動作木(BT)に基づく集中型リアクティブかつモジュール型タスク非依存の計画手法を基盤としている。 MILPコストとして使用されるさまざまなメトリクスにより、アーキテクチャはコラボレーションの様々な側面を好むことができる。
  論文  参考訳（メタデータ） (2023-01-19T12:30:56Z)
• Continual Object Detection via Prototypical Task Correlation Guided Gating Mechanism [120.1998866178014]
  pRotOtypeal taSk corrElaTion guided gaTingAnism (ROSETTA)による連続物体検出のためのフレキシブルなフレームワークを提案する。 具体的には、統一されたフレームワークはすべてのタスクで共有され、タスク対応ゲートは特定のタスクのサブモデルを自動的に選択するために導入されます。 COCO-VOC、KITTI-Kitchen、VOCのクラスインクリメンタル検出、および4つのタスクの逐次学習の実験により、ROSETTAが最先端のパフォーマンスを得ることが示された。
  論文  参考訳（メタデータ） (2022-05-06T07:31:28Z)
• Nemo: Guiding and Contextualizing Weak Supervision for Interactive Data Programming [77.38174112525168]
  私たちは、WS 学習パイプラインの全体的な生産性を、一般的な WS 監督アプローチと比較して平均20%(最大 47% のタスク)改善する、エンドツーエンドのインタラクティブなスーパービジョンシステムである Nemo を紹介します。
  論文  参考訳（メタデータ） (2022-03-02T19:57:32Z)
• Environment Generation for Zero-Shot Compositional Reinforcement Learning [105.35258025210862]
  環境構成設計(CoDE)は、ジェネレータエージェントを訓練し、エージェントの現在のスキルレベルに合わせて一連の構成タスクを自動的に構築する。 我々は,複数のページや部屋からなる環境を生成することを学び,それらの環境において複雑なタスクを広範囲にこなせるRLエージェントを訓練する。 CoDEは最強のベースラインよりも4倍高い成功率を示し、3500のプリミティブタスクで学んだ実際のWebサイトのパフォーマンスを示している。
  論文  参考訳（メタデータ） (2022-01-21T21:35:01Z)
• ConE: A Concurrent Edit Detection Tool for Large ScaleSoftware Development [16.11297015618479]
  ConEは、同時編集を積極的に検出して、それらに起因する問題を緩和する。 我々は、プルリクエスト通知などの早期介入技術を通じて、ConEのデプロイメント結果を示す。
  論文  参考訳（メタデータ） (2021-01-16T22:55:44Z)

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。