Lernt weiter, ohne zu vergessen, zu veralten oder zu wachsen.
Ein Agent, der monatelang läuft, braucht fünf Dinge zugleich: neue Arbeit lernen, frühere Arbeit behalten, Korrekturen annehmen, bei fester Größe bleiben und wissen, was er nicht gelernt hat. Zehn Arten von Anfragen wurden nacheinander gelernt, dann änderte sich die Richtlinie für vier davon.
Interne Benchmarks. Jede Zahl auf dieser Seite stammt aus Tests, die MatterSpace selbst durchgeführt hat, und wurde nicht unabhängig überprüft. Haftungsausschluss lesen
- 5 / 5*Anforderungen an Lernen im Produktivbetrieb, in jedem Lauf alle erfülltCache und Retrieval im Schnitt 2.2 / 5 · Online-Fine-Tuning 4 / 5
Anforderungen an Lernen im Produktivbetrieb, in jedem Lauf alle erfüllt MS Duplex 5 / 5 Online-Fine-Tuning 4 / 5 Cache und Retrieval 2.2 / 5 - 0%*Veraltete Antworten nach einer RichtlinienänderungCache und Retrieval 72%
Veraltete Antworten nach einer Richtlinienänderung MS Duplex 0% Cache und Retrieval 72% - Konstant*Größe im ZeitverlaufCache und Retrieval wuchsen auf ≈1,300 Zeilen
* Zahlen aus internen Benchmarks von MatterSpace, nicht unabhängig überprüft. Haftungsausschluss lesen
Fünf Anforderungen, drei Ansätze.
Schritt 1 von 6: Lernt
Eine Korrektur erreicht jede Formulierung.
Eine Richtlinienänderung und vier Arten, dasselbe zu fragen.
Schritt 1 von 4: Vorher
Vier Formulierungen derselben Anfrage, alle mit voller Erstattung beantwortet.*
Dieselbe Größe, egal wie lange es läuft.
Wie stark jeder Ansatz wächst, während die Arbeit weitergeht.
Schritt 1 von 3: Der Anfang
Zu Beginn hielten Cache und Retrieval 128 Zeilen.*
Zehn Aufgaben später kennt es die erste noch.
Genauigkeit direkt nach dem Lernen jeder Art von Anfrage und nach allen zehn.
Schritt 1 von 2: Gerade gelernt
Direkt nach dem Lernen jedes Anfragetyps waren alle drei genau.*
Wie es durchgeführt wurde.
- Die Arbeit
- Zehn Anfragetypen aus Kundensupport und Banking, vom Zurücksetzen des Passworts bis zu abgelehnten Zahlungen, nacheinander gelernt.
- Der Test
- Jede Frage in neuer Formulierung, zu Details, die im Training nicht vorkamen.
- Richtlinienänderung
- Vier der zehn Typen wechselten zu einer neuen richtigen Aktion; Korrekturen kamen durcheinander, so wie ein Prüfer sie schickt.
- Bestehensgrenzen
- Vor dem Lauf festgelegt und für jeden Ansatz gleich.
- Umfang
- Ein Hauptlauf, dann zehn unabhängige Läufe in einem zweiten Aufbau.
- Verglichen mit
- Cache und Retrieval, eine Nearest-Match-Datenbank in ihrer besten Abstimmung und Online-Fine-Tuning, alle mit denselben Eingaben.
Was es für deine Arbeit bedeutet.
Korrekturen halten überall.
Nach einer Richtlinienänderung gab MS Duplex in keinem von zehn Läufen veraltete Antworten.
Frühere Arbeit bleibt intakt.
Es hat seine gesamte frühere Arbeit mitgenommen, Lauf für Lauf.
Es bleibt gleich groß.
MS Duplex legte an Umfang nichts zu; ein Gedächtnisspeicher wuchs auf etwa 1,300 Zeilen.*
Weiter: Kommt mit neuen Formulierungen zurecht und erkennt die Doppelgänger.Lesen →
Erlebe es mit deiner eigenen Arbeit.
Vom eigenen Assistenten bis zu jedem Agenten, den dein Unternehmen betreibt: Ein Pilotprojekt lässt MS Duplex mit deiner eigenen Arbeit laufen, und die Kennzahlen werden vereinbart, bevor es beginnt.