ข้ามไปที่เนื้อหา
เหตุการณ์ร้อนแรงกำลังพัฒนา

งานศึกษา Databricks: บริบทที่กำกับดูแลช่วยยกระดับความแม่นยำของ Genie One เป็น 93–95%

1 รายงาน1 แหล่งข่าวที่รายงานอัปเดต 3 ชม. ที่แล้ว

เริ่มตรงนี้

ไดเจสต์ AI

Databricks เผยแพร่งานศึกษาที่วัดว่าความแม่นยำในการตอบของ Genie One ดีขึ้นมากเพียงใดเมื่อเอเจนต์ที่คัดสรรแล้วถูกใช้ร่วมกับชั้นบริบทที่กำกับดูแล ในบริษัทประกันภัยรถยนต์เชิงพาณิชย์สมมติแห่งหนึ่ง ซึ่งฝ่ายการเงินและฝ่ายรับประกันภัยให้คำตอบเรื่องอัตราส่วนการสูญเสียที่ขัดแย้งกันแต่ถูกต้องทั้งคู่ การใช้ตารางเพียงอย่างเดียวได้ความแม่นยำ 64% เอเจนต์ที่คัดสรรแล้วและชั้นที่กำกับดูแลได้ 83% เมื่อใช้แยกกัน และเมื่อใช้ทั้งสองอย่างร่วมกันความแม่นยำเพิ่มขึ้นเป็น 93–95% ในการทดสอบสองรอบ ในการทดสอบที่สอง การเพิ่มชั้นที่กำกับดูแลให้กับเอเจนต์ที่คัดสรรแล้วทำให้ความแม่นยำของบริษัทค้าปลีกสมมติเพิ่มจาก 54% เป็น 82% Databricks กล่าวว่า Genie One ซึ่งขับเคลื่อนโดย Genie Ontology (พร้อมใช้งานทั่วไปแล้ว) นำบริบททางธุรกิจนี้เข้าสู่ประสบการณ์การวิเคราะห์ Databricks ระบุว่าการทดสอบ基準ของบริษัทค้าปลีกประกอบด้วย 49 คำถาม เป็นการตรวจสอบรูปแบบในขนาดเล็กกว่ามากกว่าจะเป็นงานศึกษาเต็มรูปแบบชิ้นที่สอง และกล่าวว่างานนี้ทดสอบบริบททางธุรกิจมากกว่าการควบคุมการเข้าถึง

สร้างจากรายงาน · อัปเดต 2 ชม. ที่แล้ว

ไทม์ไลน์รายงาน

ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน

20 พฤศจิกายน
  1. Databricks Blog
    การศึกษาความแม่นยำของ Databricks Genie One: ทำไม Curated Agents ต้องมี Governed Context

    Databricks ทดสอบ Genie One กับบริษัทประกันภัยรถยนต์เชิงพาณิชย์สมมติที่ฝ่าย Finance และ Underwriting ให้คำตอบเรื่องอัตราส่วนการขาดทุนที่ขัดแย้งกันแต่ถูกต้องทั้งคู่ ตารางเพียงอย่างเดียวได้ความแม่นยำ 64% ขณะที่ curated agents และ governed layer ได้ 83% เท่ากัน และการรวมทั้งสองเข้าด้วยกันดันความแม่นยำขึ้นเป็น 93–95% ในการรันสองครั้ง governed layer ยังเพิ่มความแม่นยำของร้านค้าปลีกสมมติจาก 54% เป็น 82% เมื่อเพิ่มเข้าไปใน curated agents

ความร้อนแรงของเหตุการณ์นี้

ยังมีการเฝ้าดูต่อเนื่องไม่พอจะวาดแนวโน้ม