Entraînement de modèlesBientôt disponible dans Scalata Enterprise
Apprenez à un modèle à répondre comme le fait votre équipe
Transformez vos meilleures conversations, documents et retours en un modèle qui vous est propre. Prouvez qu'il est plus performant avant que quiconque ne s'y fie, et veillez à ce que chaque étape soit gouvernée, chiffrée et consignée.
Vos meilleures réponses sont déjà écrites. Elles se trouvent dans les conversations que votre équipe mène chaque jour — précises, dans votre ton, au sujet de vos produits. L'entraînement de modèles les transforme en un modèle qui répond ainsi dès le premier message.
Comment cela fonctionne
De la conversation au modèle en six étapes
Aucune équipe d'apprentissage automatique n'est requise. Chaque étape montre ce qu'elle va faire avant de le faire, et ce qu'elle a fait ensuite.
- Étape 01
Sélectionnez les conversations pertinentes pour l'apprentissage
Choisissez les conversations où votre équipe a visé juste. Chaque réponse que vous conservez devient un élément que le modèle apprend à rédiger ; le reste sert de contexte.
- Étape 02
Constituez un jeu de données à partir de toutes vos sources
Ajoutez des conversations générées pour les cas que vous rencontrez rarement, importez des jeux de données publics, joignez des documents et intégrez ce que les utilisateurs ont apprécié ou non dans les conversations.
- Étape 03
Préparez-le, en toute sécurité
Les erreurs, les doublons et les réponses automatiques sont supprimés, les données personnelles sont masquées, les longues conversations sont raccourcies pour respecter les limites, et un jeu de test est mis de côté, invisible lors de l'entraînement.
- Étape 04
Entraînez, avec les coûts sous les yeux
Choisissez une méthode et un modèle de base, conservez les paramètres suggérés ou ajustez-les, et consultez le coût estimé avant de commencer. Suivez la progression, les courbes et recevez un e-mail une fois terminé.
- Étape 05
Prouvez qu'il surpasse l'original
Votre nouveau modèle et son modèle de base répondent aux mêmes questions réservées. Un juge les compare à l'aveugle, et vous découvrez pourquoi chaque réponse l'a emporté.
- Étape 06
Testez-le, puis mettez-le en service
Discutez avec le modèle entraîné aussi longtemps que vous le souhaitez, avec le coût horaire affiché à l'avance et sans rien laisser tourner par la suite. Lorsque vous êtes satisfait, il est prêt pour votre équipe.
Méthodes d'apprentissage
Toutes les façons dont un modèle peut apprendre, réunies au même endroit
Les méthodes diffèrent selon la source d'apprentissage du modèle. Commencez par celle qui correspond aux données dont vous disposez — et appuyez-vous sur un modèle que vous avez déjà entraîné plutôt que de repartir de zéro.
Supervisé
- Apprend de
- Vos meilleures réponses. On lui montre la question et la réponse que vous souhaitez, et il apprend à rédiger cette réponse.
- Idéal pour
- Le ton, le format et la façon dont votre équipe formule les choses. La première méthode à essayer.
Vos données
Des données provenant de là où elles se trouvent déjà
De vraies conversations
Les chats que votre équipe a déjà dans Scalata — l'image la plus fidèle de votre façon de répondre.
Conversations générées
Décrivez l'assistant, passez en revue une formule de scénarios et obtenez des conversations variées — y compris les plus complexes et celles hors périmètre.
Jeux de données publics
Importez un jeu de données ouvert ; son format est reconnu et les colonnes appropriées vous sont suggérées.
Documents
Manuels, pages d'aide et rapports, importés ou sélectionnés à partir des fichiers et sources que vous avez connectés.
Évaluations des conversations
Les pouces levés deviennent des réponses pour l'apprentissage ; une réponse appréciée et une réponse rejetée forment une paire de préférences.
Évaluation
Des preuves, pas des promesses
Une courbe d'apprentissage descendante indique que le modèle s'adapte à vos exemples. Elle ne garantit pas que les réponses se sont améliorées. Chaque itération est comparée au modèle initial, sur des questions inédites — et vous pouvez classer plusieurs modèles côte à côte.
Proportion de questions mises de côté auxquelles le nouveau modèle a mieux répondu.
Mesuré à partir d'une évaluation humaine à l'aveugle, pour que vous sachiez à quel point vous fier aux scores.
Gouverné par défaut
Conçu pour les organisations qui doivent rendre des comptes sur leurs modèles
Les informations personnelles sont exclues
Les e-mails, numéros de téléphone, numéros de carte et identifiants sont détectés et remplacés avant tout entraînement, afin que le modèle apprenne la structure, et non la personne.
Un test que le modèle n'a jamais vu
Une partie des conversations est mise de côté avant le début de l'entraînement et utilisée uniquement pour évaluer le résultat, de sorte qu'un bon score signifie un meilleur modèle plutôt qu'une bonne mémoire.
Les coûts avant, pendant et après
Une estimation avant de commencer, le chiffre en cours pendant l'entraînement, et le montant final à la fin — pour l'entraînement, l'évaluation et chaque chat de test.
Vérifié par des humains, pas seulement par un modèle
Envoyez toute évaluation à une file d'attente de révision. Les réviseurs jugent à l'aveugle, leur accord avec le juge est mesuré, et leurs corrections deviennent des données d'entraînement.
Rien n'est perdu
Les exécutions dont vous n'avez plus besoin sont archivées plutôt que supprimées, afin que vous puissiez toujours voir ce qui a été essayé, quel score a été obtenu et de quel modèle elles proviennent.
Soumis aux mêmes autorisations que le reste
L'entraînement s'effectuera au sein de votre déploiement Scalata Enterprise, avec les mêmes rôles, autorisations et registres que le reste de la plateforme.
Apprendre les concepts
Vous débutez en entraînement de modèles ? Commencez ici
Votre propre modèle, au sein de la plateforme que vous utilisez déjà
L'Entraînement de modèles sera bientôt disponible pour les licences Scalata Enterprise. Contactez-nous dès maintenant pour un accès anticipé — et pour discuter des conversations que vous lui apprendriez en premier.