Fugu-MT 論文翻訳(概要): LLM-Based Insight Extraction for Contact Center Analytics and Cost-Efficient Deployment

論文の概要: LLM-Based Insight Extraction for Contact Center Analytics and Cost-Efficient Deployment

arxiv url: http://arxiv.org/abs/2503.19090v1
Date: Mon, 24 Mar 2025 19:22:32 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-27 02:13:56.284551
Title: LLM-Based Insight Extraction for Contact Center Analytics and Cost-Efficient Deployment
Title（参考訳）: LLMによるコンタクトセンター分析と費用効率向上のためのインサイト抽出
Authors: Varsha Embar, Ritvik Shrivastava, Vinay Damodaran, Travis Mehlinger, Yu-Chung Hsiao, Karthik Raghunathan,
Abstract要約: 大規模言語モデルはコンタクトセンター産業を変革し、自己サービスツールの強化、管理プロセスの合理化、エージェントの生産性の向上を図っている。本稿では,話題モデリング,着信呼分類,トレンド検出,FAQ生成などのタスクの基盤となるコールドライバ生成を自動化するシステムについて述べる。
参考スコア（独自算出の注目度）: 0.22320512724449235
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Large Language Models have transformed the Contact Center industry, manifesting in enhanced self-service tools, streamlined administrative processes, and augmented agent productivity. This paper delineates our system that automates call driver generation, which serves as the foundation for tasks such as topic modeling, incoming call classification, trend detection, and FAQ generation, delivering actionable insights for contact center agents and administrators to consume. We present a cost-efficient LLM system design, with 1) a comprehensive evaluation of proprietary, open-weight, and fine-tuned models and 2) cost-efficient strategies, and 3) the corresponding cost analysis when deployed in production environments.
Abstract（参考訳）: 大規模言語モデルはコンタクトセンター産業を変革し、自己サービスツールの強化、管理プロセスの合理化、エージェントの生産性の向上を図っている。本稿では,話題モデリング,着信音声分類,トレンド検出,FAQ生成などのタスクの基盤として機能するコールドライバ自動生成システムについて述べる。コスト効率の高いLCMシステムの設計について述べる。 1)プロプライエタリ、オープンウェイト、微調整モデルの総合評価 2【費用対効果戦略】 3)生産環境に配備した場合のコスト分析。

関連論文リスト

Towards Agentic Recommender Systems in the Era of Multimodal Large Language Models [75.4890331763196]
大規模言語モデル(LLM)の最近のブレークスルーは、エージェントAIシステムの出現につながっている。 LLMベースのAgentic RS(LLM-ARS)は、よりインタラクティブで、コンテキストを認識し、プロアクティブなレコメンデーションを提供する。
論文参考訳（メタデータ） (2025-03-20T22:37:15Z)
Retrieval Augmented Generation for Topic Modeling in Organizational Research: An Introduction with Empirical Demonstration [0.0]
本稿では,LLMを用いたトピックモデリング手法として,エージェント検索拡張生成(Agentic RAG)を提案する。 1) LLM の事前訓練された知識を超えた外部データへの自動アクセスを可能にする検索,(2) LLM の機能を利用してテキスト合成を行う生成,(3) エージェント駆動学習, 反復的に検索とクエリの定式化を行う。本研究は,本手法がより効率的で解釈可能であり,同時に,従来の機械学習手法と比較して信頼性と妥当性が向上することを示した。
論文参考訳（メタデータ） (2025-02-28T11:25:11Z)
IMPROVE: Iterative Model Pipeline Refinement and Optimization Leveraging LLM Agents [17.301758094000125]
大規模言語モデル(LLM)エージェントは、コンピュータビジョンモデルの開発を自動化するための有望なソリューションとして登場した。 LLM駆動のMLパイプライン設計のための新しい戦略であるIterative Refinementを導入する。イテレーティブリファインメントは安定性、解釈可能性、全体的なモデルパフォーマンスを改善します。
論文参考訳（メタデータ） (2025-02-25T01:52:37Z)
Memory-Augmented Agent Training for Business Document Understanding [16.143076522786803]
LLMエージェントがドメインの専門知識を段階的に構築できる新しいパラダイムであるMatrix(Reasoning and Iterative eXploration)を導入する。私たちは世界最大の物流企業と協力し、ユニバーサルビジネス言語形式の請求書のデータセットを作成します。実験の結果、マトリックスは単一LSMを30.3%、バニラを35.2%向上させる。
論文参考訳（メタデータ） (2024-12-17T18:35:04Z)
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)
Towards Automated Solution Recipe Generation for Industrial Asset Management with LLM [4.771737213319029]
本研究では,Large Language Models(LLMs)の最近の進歩に条件ベースマネジメント(CBM)の原則を取り入れた,産業資産管理(IAM)への新たなアプローチを提案する。
論文参考訳（メタデータ） (2024-07-26T01:24:52Z)
The Foundations of Computational Management: A Systematic Approach to Task Automation for the Integration of Artificial Intelligence into Existing Workflows [55.2480439325792]
本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
論文参考訳（メタデータ） (2024-02-07T01:45:14Z)
AutoAct: Automatic Agent Learning from Scratch for QA via Self-Planning [54.47116888545878]
AutoActはQAのための自動エージェント学習フレームワークである。大規模アノテートデータやクローズドソースモデルからの合成計画軌道は依存していない。
論文参考訳（メタデータ） (2024-01-10T16:57:24Z)
Benchmarking Automated Machine Learning Methods for Price Forecasting Applications [58.720142291102135]
自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。 CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
論文参考訳（メタデータ） (2023-04-28T10:27:38Z)
Towards autonomous system: flexible modular production system enhanced with large language model agents [0.0]
本稿では,大規模言語モデル(LLM),デジタルツイン,産業自動化システムを組み合わせた新しいフレームワークを提案する。実装済みのプロトタイプが未定義のタスクをどのように処理し、運用プロセスを計画し、操作を実行するかを示します。
論文参考訳（メタデータ） (2023-04-28T09:42:18Z)
OmniForce: On Human-Centered, Large Model Empowered and Cloud-Edge Collaborative AutoML System [85.8338446357469]
我々は人間中心のAutoMLシステムであるOmniForceを紹介した。我々は、OmniForceがAutoMLシステムを実践し、オープン環境シナリオにおける適応型AIを構築する方法について説明する。
論文参考訳（メタデータ） (2023-03-01T13:35:22Z)

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。