For scriptede AI-agenter kan du konfigurere flere sprog samtidigt og angive ét sprog som standard. Du kan finde flere oplysninger i afsnittet Konfigurer sprog og stemme i emnet Konfigurer scripted AI-agent .

Understøttede sprogmodeller

Webex AI Agent Studio understøtter flersprogede Polymatch - og Language Encoder-modeller til oplæring af scriptede AI-agenter. Disse modeller er tilgængelige som en del af Webex AI Agent Pro 1.0 (med Swiftmatch) AI-motorens indstillinger.

• For en AI-agent, der er uddannet ved hjælp af Polymatch, oprettes der en særskilt model for hvert sprog, som føjes til AI-agenten. AI-programmet udfører følgeslutning baseret på sproget i kundeforespørgslen.

• Language Encoder-modellen fungerer bedst til træning af data på lange ytringer, mens Polymatch gør det samme for korte ytringer.

• De sprog, der understøttes af Polymatch og sprogkoderen, er forskellige. Du kan finde flere oplysninger i følgende tabel.

Nøjagtighed og ydeevne

• Nøjagtigheden af en AI-agent, der er trænet med modellerne Webex AI Agent Pro 1.0 (med Swiftmatch) og Webex AI Agent Pro 1.0 (med Mindmeld), afhænger af forskellige funktioner, der er involveret i træningen af AI-agenten og konklusionen af indgående brugermeddelelser. De vigtigste funktioner, der afgør, om et sprog understøttes, og dets nøjagtighed er:

  • Tekst (understøttelse af sproget og det script, det er skrevet på)

  • Kontekstafhængig stavekontrol (hvis stavefejl i dataene eller brugerforespørgsel kan rettes)

  • Ordformularer (håndtering af forskellige former og synonymer for ord, der findes i træningsdata)

• Nøjagtigheden og ydeevnen for en AI-agent, der er oplært med modellen # Webex AI Agent Pro 2.0 (med Swiftmatch), afhænger af avancerede generative AI-funktioner, der er integreret i træningsfasen, og den semantiske analyse af indgående brugermeddelelser. De vigtigste funktioner, der bestemmer dets sprogunderstøttelse og hensigtsnøjagtighed, inkluderer:

  • Tekst- og scriptunderstøttelse: Omfattende support til målsproget og dets specifikke script, hvilket sikrer, at motoren kan behandle global kommunikation effektivt.

  • LLM-genererede sproglige mønstre: Udnyttelse af store sprogmodeller (LLM'er) til at fortolke en lang række formuleringsvariationer. Dette giver agenten mulighed for nøjagtigt at klassificere hensigter, selv når brugerens input ikke nøjagtigt matcher træningsdataene.

  • Semantisk hensigtsklassificering: Ud over simpel søgeordsmatchning bruger denne funktion avancerede algoritmer til at forstå den underliggende betydning og kontekst for en forespørgsel, hvilket reducerer virkningen af tvetydigt sprog betydeligt.

  • Adaptiv generalisering: Modellens evne til effektivt at generalisere på tværs af lignende ytringer, hvilket minimerer behovet for udtømmende manuelle eksempler, samtidig med at der opretholdes høj præcision under slutning.

Følgende tabel viser de sprog og stemmer, der understøttes for scripted AI-agent: