Yazar, Banking77 veri setindeki 7.999 mesajı Open-Jev 27B modeliyle bir kez etiketledi, iki öğrenci modeli bu etiketlerden öğreniyor ve değerlendirme için 1.000 insan yanıtı ayrı tutuldu.
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
Yazar Jev kullanım deneyimini paylaşıyor: Başta karmaşık görünse de 'AI'nın metin yazmasına izin vermemek' olarak düşününce aniden netleşti. Soru işlemeyi örnek vererek, geleneksel yaklaşım her şeyi GPT veya Claude'a analiz ettirirken Jev farklı bir yaklaşım izliyor.
Prototip, imlecin ileri geri hareketlerinden veya tıklamadan önce duraksamasından müşterinin tereddüdünü veya ilgisini tahmin etmek için yapay zeka kullanır, müşteri davranışını gözlemler ve açıklamaları tamamlar veya karşılaştırmalar önerir.
Yazar, Jev ve gpt-live-1 kullanarak e-ticaret gerçek zamanlı müşteri hizmetleri demosu oluşturdu; konuşma sırasında kullanıcının konuşmasına göre anında önerilen ürünler sunarak harika bir deneyim sağlıyor.
