基于 LLM 的聊天机器人人类互动分类器
人工智能
2024-08-01 v1
摘要
本研究探讨了在人工智能环境中对人类互动进行分类的不同方法，具体针对 Applus+ IDIADA 的智能代理 AIDA。主要目标是开发一种准确识别接收到的互动类型(对话、服务或文档翻译)的分类器，以将请求导向合适的渠道，提供更专业高效的服务。进行了各种模型的比较，包括 LLM 分类器、使用 Titan 与 Cohere 嵌入的 KNN、SVM 与人工神经网络。结果表明，采用 Cohere 嵌入的 SVM 与 ANN 模型实现了最佳整体性能，F1 分数更高且执行速度更快，优于 LLM 方法。研究得出结论：针对 AIDA 环境的分类器中，采用 Cohere 嵌入的 SVM 模型是最合适的选择，在准确率与计算效率之间提供了最佳平衡。
引用
@article{arxiv.2407.21647,
title = {Human interaction classifier for LLM based chatbot},
author = {Diego Martín and Jordi Sanchez and Xavier Vizcaíno},
journal= {arXiv preprint arXiv:2407.21647},
year = {2024}
}
备注
16 pages, 13 figures