Der Autor hat das Open-Jev 27B-Modell verwendet, um 7.999 Nachrichten im Banking77-Datensatz einmal zu beschriften. Zwei Schülermodelle lernen aus diesen Beschriftungen, und 1.000 menschliche Antworten werden für die Auswertung zurückgehalten.
The setup is pretty simple. Banking77 is a dataset where you need to route a support message to one of 77 different intents. I used the @Zefan_Cai Open-Jev 27B model to label 7,999 messages once. The two students learn from these labels. Then I kept 1000 human answers out of the
Der Autor teilt eine Jev-Erfahrung: Zunächst wirkte es knifflig, doch mit der Denkweise 'die KI keinen Text schreiben lassen' wurde es plötzlich klar. Am Beispiel der Anfragenbearbeitung wird der übliche Ansatz, alles an GPT oder Claude zum Analysieren zu geben, dem anderen Ansatz von Jev gegenübergestellt.
Der Prototyp nutzt KI, um Zögern oder Interesse anhand von Cursorbewegungen oder Verweilen vor dem Klick einzuschätzen, das Kundenverhalten zu beobachten und Erklärungen zu ergänzen oder Vergleiche vorzuschlagen.
Der Autor hat mit Jev und gpt-live-1 eine E-Commerce-Echtzeit-Kundenservice-Demo erstellt, die während des Gesprächs sofort Produktempfehlungen auf Basis der Nutzeräußerung vorschlägt und ein großartiges Erlebnis bietet.
