LLM

LLM电销应用:从营销线索提取到基于LLM的自动电销智能机器人

当前我们已经建成实现使用LLM从客户与坐席(AI)的对话内容中挖掘营销线索的能力,并经过业务线下验证使用,实现了新促借款金额的大幅提升。 1.基于LLM营销线索促进电销借款存在的问…

FocusValue学习:提升LLM提取结构化标签值的准确性

为了提升LLM提取标签值的准确性和可解释性,通常在对客户和坐席的对话文本进行结构化信息提取时,我们不仅需要推理出相应标签的值,也需要输出这些值在通话中对应的对话文本。 1.标签值与…

LLM在企业落地哪种方式更好:纯Prompt或微调?

要在企业实际业务中使用LLM,通常有两种方式:直接使用提示词(纯Prompt方式)或者使用数据进行微调(微调方式)。那么在实际业务中何种方式更好呢? 1.纯Prompt方式 纯Pr…

LLM文本摘要落地效果验证:一种基于属性验证的方法

当前基于大量文本内容,例如客户与坐席的通话数据,用户与客服的交互数据等,并使用LLM生成文本摘要或者总结在金融、保险等领域已经落地。但在落地过程中仍然存在一些亟待回答的问题:总结的…

LLM Self-Consistency: 使用多推理路径提升LLM信息抽取准确性

为了提升LLM在信息抽取中的准确性,除了Self-Verification方法外,Self-Consistency也是一种比较实用和方便的方法。该方法出自文章《Self-Consi…

LLM结构化信息提取问题探讨及其改进 – 以提取营销线索为例

该PPT以博主在实际工作中,使用LLM提取客户与坐席(AI)电话对话文本中可能存在的营销线索为例,讨论了使用LLM提取结构化信息时可能存在的一些问题及改进方法。 本PPT是使用LL…

LLM Self-Verification: 提升LLM信息抽取准确性

LLM在信息抽取领域表现出了强大的泛化性和效果,以消费金融行业为例,LLM可用于挖掘营销线索、客户违约原因、客户投诉原因等信息,并提升企业的营销、催收、风控等能力。 1.LLM信息…