利用语义搜索与微调提升基于大语言模型的营销分析 Copilot 能力
计算与语言
2024-04-23 v1 机器学习
摘要
人工智能（AI）被广泛部署以解决与营销归因和预算优化相关的问题。然而，AI 模型可能相当复杂，如果没有庞大的实施团队，可能很难理解模型的运作和洞察。原则上，最近开发的大语言模型（LLM），如 GPT-4，可以部署用于提供营销洞察，从而减少做出关键决策所需的时间和精力。在实践中，要可靠地使用此类模型，需要克服重大挑战。我们专注于特定领域的问答、数据检索所需的 SQL 生成和表格分析，并展示了如何结合语义搜索、提示工程和微调来大幅提升 LLM 准确执行这些任务的能力。我们比较了 GPT-4 等专有模型和 Llama-2-70b 等开源模型以及各种嵌入方法。这些模型在特定于营销组合建模和归因的示例用例上进行了测试。
引用
@article{arxiv.2404.13077,
title = {Improving the Capabilities of Large Language Model Based Marketing Analytics Copilots With Semantic Search And Fine-Tuning},
author = {Yilin Gao and Sai Kumar Arava and Yancheng Li and James W. Snyder},
journal= {arXiv preprint arXiv:2404.13077},
year = {2024}
}
备注
16 pages, 5 figures, presented at the 2nd International Conference on NLP & AI (NLPAI 2024)