帮助陷入困扰的客户：一个基于 LLM 的智能体进行对话、探询和路由
组合数学
2026-05-19 v1 最优化与控制
摘要
银行每年 receives 数百万例欺诈、诈骗和交易争议报告，使准确将客户导向 appropriate specialist teams 变得具有挑战性。现有的手动流程由人工操作，给客户和员工都带来缓慢和压力。为此，我们开发了一个面向客户的 AI triage agent，利用大型语言模型(LLM)进行多轮对话、提出相关问题并对案例进行分类，以实现准确、以策略为导向的路由，将其嵌入客户旅程中。为了评估和持续改进该 agent，我们模拟了真实客户的合成数字双胞胎，生成基于历史数据的 realistic、标记对话，用于测试广泛的真实场景。本 work details triage agent 的建模方法、与 policy 的集成、safety guardrails 和 reasoning frameworks，对合成 agent 用于可扩展评估的运用，以及关于 AI 系统准确性、robustness 和 compliance 的发现。结果表明，该 agent 成功提高了历史案例的 triage，实现分类准确率提升 30.6%，来自我们 subject-matter experts 的高满意度报告突显了有针对性的探询如何在大规模银行操作中导致更有效的 triage。
引用
@article{arxiv.2605.16267,
title = {Existence of reciprocal matrices with specified orders for the right and inverse left Perron eigenvectors},
author = {Susana Furtado and Charles Johnson},
journal= {arXiv preprint arXiv:2605.16267},
year = {2026}
}