Для скриптованих AI-агентів можна налаштовувати кілька мов одночасно і встановити одну мову як стандартну. Для отримання додаткової інформації дивіться розділ «Налаштувати мову та голос » у розділі «Налаштувати скриптований AI агент ».

Підтримувані мовні моделі

Webex AI Agent Studio підтримує багатомовні моделі Polymatch та Language Encoder для навчання скриптованих AI-агентів. Ці моделі доступні як частина налаштувань движка AIWebex AI Agent Pro 1.0 (з Swiftmatch).

• Для AI-агента, навченого за допомогою Polymatch, для кожної мови створюється окрема модель і додається до AI-агента. Двигун ШІ виконує висновки на основі мови запиту клієнта.

• Модель Language Encoder найкраще працює для навчання даних на довгих висловлюваннях, тоді як Polymatch робить те саме для коротких висловлювань.

• Мови, які підтримують Polymatch і Language Encoder, відрізняються. Для отримання додаткової інформації дивіться наступну таблицю.

Точність і продуктивність

• Точність AI-агента, навченого за моделями Webex AI Agent Pro 1.0 (зі Swiftmatch) та Webex AI Agent Pro 1.0 (з Mindmeld ), залежить від різних функцій, які залучені до навчання AI-агента та виведення вхідних повідомлень користувача. Ключові функції, які визначають, чи підтримується мова та її точність, такі:

  • Текст (підтримка мови та скрипту, яким він написаний)

  • Контекстуальна перевірка орфографії (якщо можна виправити орфографічні помилки в даних або запиті користувача)

  • Словесні форми (обробка різних форм і синонімів слів, присутніх у навчальних даних)

• Точність і продуктивність AI-агента, навченого за моделлю Webex AI Agent Pro 2.0 (з Swiftmatch), залежать від передових генеративних можливостей ШІ, інтегрованих під час навчання, та семантичного аналізу вхідних повідомлень користувача. Ключові особливості, що визначають підтримку мови та точність намірів, включають:

  • Підтримка тексту та скриптів: Комплексна підтримка цільової мови та її конкретного скрипту, що забезпечує ефективну обробку глобальної комунікації рушія.

  • Лінгвістичні патерни, згенеровані LLM: використання великих мовних моделей (LLM) для інтерпретації широкого спектра варіацій фразування. Це дозволяє агенту точно класифікувати наміри навіть тоді, коли вхід користувача не зовсім відповідає навчальним даним.

  • Класифікація семантичного наміру: Виходячи за межі простого підбору ключових слів, ця функція використовує просунуті алгоритми для розуміння основного значення та контексту запиту, значно зменшуючи вплив неоднозначної мови.

  • Адаптивне узагальнення: здатність моделі ефективно узагальнювати подібні висловлювання, що мінімізує потребу в вичерпних ручних прикладах, зберігаючи при цьому високу точність під час висновків.

У наступній таблиці наведені мови та голоси, які підтримуються для скриптового AI-агента: