AIGC動態(tài)歡迎閱讀

原標(biāo)題：今日arXiv最熱NLP大模型論文：微軟：用大模型分析用戶滿意度，讓智能系統(tǒng)更善解人意
關(guān)鍵字：模型,用戶,模式,方法,數(shù)據(jù)
文章來源：夕小瑤科技說
內(nèi)容字?jǐn)?shù)：6834字

內(nèi)容摘要：

夕小瑤科技說 原創(chuàng)作者 | 芒果引言：關(guān)于大模型分析用戶滿意度的探索該研究強(qiáng)調(diào)了用戶滿意度估計（USE）的準(zhǔn)確性和可解釋性在改善對話系統(tǒng)中的重要性。現(xiàn)有的基于特征化機(jī)器學(xué)習(xí)模型或文本嵌入的方法在提取模式和可解釋性方面存在限制。文章提出利用大語言模型（LLMs）能更有效地從用戶的自然語言中提取出用戶滿意度的可解釋信號。并且作者通過監(jiān)督學(xué)習(xí)的方式開發(fā)了一種新的方法——監(jiān)督提示用戶滿意度量表 (SPUR)，這種方法不僅具有更高的準(zhǔn)確性，而且更具解釋性。
論文標(biāo)題：Interpretable User Satisfaction Estimation for Conversational Systems with Large Language Models
論文鏈接：https://arxiv.org/pdf/2403.12388.pdf
用戶滿意度估計（USE）的現(xiàn)狀與局限性用戶滿意度估計（USE）對于理解、評估和持續(xù)改進(jìn)對話系統(tǒng)至關(guān)重要。在通用（如ChatGPT和Bing Copilot）和特定任務(wù)（如客戶服務(wù)機(jī)器人）的對話系統(tǒng)中，用戶以多樣的對話模式表達(dá)他們的滿意或不滿意。現(xiàn)有基于特征

原文鏈接：今日arXiv最熱NLP大模型論文：微軟：用大模型分析用戶滿意度，讓智能系統(tǒng)更善解人意

聯(lián)系作者

文章來源：夕小瑤科技說
作者微信：xixiaoyaoQAQ
作者簡介：更快的AI前沿，更深的行業(yè)洞見。聚集25萬AI一線開發(fā)者、互聯(lián)網(wǎng)中高管和機(jī)構(gòu)投資人。一線作者來自清北、國內(nèi)外頂級AI實(shí)驗(yàn)室和大廠，兼?zhèn)湫袠I(yè)嗅覺與報道深度。