Pentru agenții AI scriptați, puteți configura mai multe limbi simultan și puteți seta o limbă ca implicită. Pentru mai multe informații, consultați secțiunea Configurarea limbii și a vocii din subiectul Configurarea agentului AI scriptat.

Modele lingvistice acceptate

Webex AI Agent Studio acceptă modele multilingve Polymatch și Language Encoder pentru instruirea agenților AI scriptați. Aceste modele sunt disponibile ca parte a setărilor motorului AI Webex AI Agent Pro 1.0 (cu Swiftmatch).

• Pentru un agent AI instruit folosind Polymatch, se creează un model distinct pentru fiecare limbă și se adaugă agentului AI. Motorul AI efectuează inferența pe baza limbii interogării clientului.

• Modelul Language Encoder funcționează cel mai bine pentru instruirea datelor pe enunțuri lungi, în timp ce Polymatch face același lucru pentru enunțuri scurte.

• Limbile acceptate de Polymatch și Language Encoder diferă. Pentru mai multe informații, consultați tabelul următor.

Precizie și performanță

• Precizia unui agent AI antrenat cu modelele Webex AI Agent Pro 1.0 (cu Swiftmatch) și Webex AI Agent Pro 1.0 (cu Mindmeld) depinde de diferitele caracteristici care sunt implicate în instruirea agentului AI și deducția mesajelor primite ale utilizatorilor. Caracteristicile cheie care decid dacă o limbă este acceptată și acuratețea acesteia sunt:

  • Text (suport pentru limba și scriptul în care este scris)

  • Verificare ortografică contextuală (dacă greșelile de ortografie din date sau din interogarea utilizatorului pot fi corectate)

  • Formulare Word (manipularea diferitelor forme și sinonime pentru cuvintele prezente în datele de instruire)

• Acuratețea și performanța unui agent AI antrenat cu modelul Webex AI Agent Pro 2.0 (cu Swiftmatch) depind de capabilitățile AI generative avansate integrate în timpul fazei de instruire și de analiza semantică a mesajelor primite de utilizatori. Caracteristicile cheie care determină suportul lingvistic și acuratețea intenției includ:

  • Suport pentru text și script: suport cuprinzător pentru limba țintă și scriptul său specific, asigurând că motorul poate procesa eficient comunicarea globală.

  • Modele lingvistice generate de LLM: Valorificarea modelelor lingvistice mari (LLM) pentru a interpreta o gamă largă de variații de frazare. Acest lucru permite agentului să clasifice cu precizie intențiile, chiar și atunci când datele introduse de utilizator nu se potrivesc exact cu datele de antrenament.

  • Clasificarea intenției semantice: Trecând dincolo de simpla potrivire a cuvintelor cheie, această caracteristică utilizează algoritmi avansați pentru a înțelege semnificația și contextul de bază al unei interogări, reducând semnificativ impactul limbajului ambiguu.

  • Generalizare adaptivă: Capacitatea modelului de a generaliza eficient în enunțuri similare, ceea ce minimizează necesitatea unor exemple manuale exhaustive, menținând în același timp o precizie ridicată în timpul inferenței.

Următorul tabel listează limbile și vocile acceptate pentru agentul AI scriptat: