Fortsetter å lære uten å glemme, bli utdatert eller vokse.
En agent som kjører i månedsvis, trenger fem ting på én gang: lære nytt arbeid, beholde tidligere arbeid, ta imot rettelser, holde en fast størrelse og vite hva den ikke har lært. Ti typer forespørsler ble lært etter hverandre, og så endret policyen seg for fire av dem.
Interne benchmarker. Alle tallene på denne siden kommer fra tester som MatterSpace selv har kjørt, og er ikke uavhengig verifisert. Les ansvarsfraskrivelsen
- 5 / 5*Krav for læring i produksjon, alle oppfylt i hver kjøringCache og gjenfinning i snitt 2.2 / 5 · fortløpende finjustering 4 / 5
Krav for læring i produksjon, alle oppfylt i hver kjøring MS Duplex 5 / 5 Løpende finjustering 4 / 5 Cache og gjenfinning 2.2 / 5 - 0%*Utdaterte svar etter en policyendringCache og gjenfinning 72%
Utdaterte svar etter en policyendring MS Duplex 0% Cache og gjenfinning 72% - Konstant*Fotavtrykk over tidCache og gjenfinning vokste til ≈1,300 rader
* Tall fra MatterSpaces interne benchmarker, ikke uavhengig verifisert. Les ansvarsfraskrivelsen
Fem krav, tre tilnærminger.
Steg 1 av 6: Lærer
En rettelse når hver formulering.
Én policyendring, og fire måter å be om det samme på.
Steg 1 av 4: Før
Fire formuleringer av samme forespørsel, alle besvart med full refusjon.*
Samme størrelse, uansett hvor lenge den kjører.
Hvor mye hver tilnærming vokser etter hvert som arbeidet fortsetter.
Steg 1 av 3: Starten
I starten inneholdt cache og gjenfinning 128 rader.*
Ti oppgaver senere kan den fortsatt den første.
Nøyaktighet rett etter at hver type forespørsel ble lært, og etter alle ti.
Steg 1 av 2: Nettopp lært
Rett etter at hver forespørselstype var lært, var alle tre nøyaktige.*
Slik ble det kjørt.
- Arbeidet
- Ti typer forespørsler fra kundestøtte og bank, fra tilbakestilling av passord til avviste betalinger, lært etter hverandre.
- Testen
- Hvert spørsmål med ny ordlyd, om detaljer som ikke ble sett under treningen.
- Policyendring
- Fire av de ti typene fikk en ny riktig handling; rettelsene kom i tilfeldig rekkefølge, slik en kontrollør sender dem.
- Krav for bestått
- Satt før kjøringen, og like for alle tilnærminger.
- Omfang
- Én hovedkjøring, deretter ti uavhengige kjøringer i et andre oppsett.
- Sammenlignet med
- Cache og gjenfinning, et lager for nærmeste treff med sin beste justering, og fortløpende finjustering, alle med de samme inndataene.
Hva det betyr for arbeidet ditt.
Rettelser holder overalt.
Etter en policyendring ga MS Duplex ingen utdaterte svar i noen av de ti kjøringene.
Tidligere arbeid forblir intakt.
Den tok med seg alt det tidligere arbeidet sitt, kjøring etter kjøring.
Den holder samme størrelse.
MS Duplex la ikke til noe i fotavtrykket sitt; et minnelager vokste til rundt 1,300 rader.*
Neste: Håndterer nye formuleringer, og oppdager dobbeltgjengerne.Les det →
Se det på ditt eget arbeid.
Fra din egen assistent til hver agent bedriften din kjører, setter en pilot MS Duplex på ditt eget arbeid, med måltallene avtalt før den starter.