Fortsätter att lära sig utan att glömma, bli inaktuell eller växa.
En agent som körs i månader behöver fem saker på en gång: lära sig nytt arbete, behålla tidigare arbete, ta emot korrigeringar, hålla en fast storlek och veta vad den inte har lärt sig. Tio typer av förfrågningar lärdes in en efter en, sedan ändrades policyn för fyra av dem.
Interna benchmarktester. Alla siffror på denna sida kommer från tester som MatterSpace själv har genomfört och har inte oberoende verifierats. Läs ansvarsfriskrivningen
- 5 / 5*Krav för inlärning i produktion, alla uppfyllda i varje körningCache och hämtning i snitt 2.2 / 5 · finjustering online 4 / 5
Krav för inlärning i produktion, alla uppfyllda i varje körning MS Duplex 5 / 5 Löpande finjustering 4 / 5 Cache och hämtning 2.2 / 5 - 0%*Inaktuella svar efter en policyändringCache och hämtning 72%
Inaktuella svar efter en policyändring MS Duplex 0% Cache och hämtning 72% - Konstant*Fotavtryck över tidCache och hämtning växte till ≈1,300 rader
* Siffror från MatterSpaces interna benchmarktester, inte oberoende verifierade. Läs ansvarsfriskrivningen
Fem krav, tre metoder.
Steg 1 av 6: Lär sig
En korrigering når varje formulering.
En policyändring, och fyra sätt att be om samma sak.
Steg 1 av 4: Före
Fyra formuleringar av samma förfrågan, alla besvarade med full återbetalning.*
Samma storlek, hur länge den än körs.
Hur mycket varje metod växer allteftersom arbetet fortsätter.
Steg 1 av 3: Starten
I början hade cache och hämtning 128 rader.*
Tio uppgifter senare kan den fortfarande den första.
Träffsäkerhet direkt efter inlärningen av varje typ av förfrågan, och efter alla tio.
Steg 1 av 2: Nyss inlärt
Direkt efter att ha lärt sig varje förfrågningstyp var alla tre träffsäkra.*
Så genomfördes det.
- Arbetet
- Tio typer av förfrågningar inom kundsupport och bank, från återställda lösenord till nekade betalningar, inlärda efter varandra.
- Testet
- Varje fråga med ny formulering, om detaljer som inte setts under träningen.
- Policyändring
- Fyra av de tio typerna bytte till en ny rätt åtgärd; korrigeringarna kom i blandad ordning, så som en granskare skickar dem.
- Godkäntgränser
- Satta före körningen, och samma för alla metoder.
- Omfattning
- En huvudkörning, sedan tio oberoende körningar i en andra testuppställning.
- Jämfört med
- Cache och hämtning, ett förråd för närmaste matchning i sin bästa inställning, och finjustering online, alla med samma indata.
Vad det betyder för ditt arbete.
Korrigeringar håller överallt.
Efter en policyändring gav MS Duplex inga inaktuella svar i någon av tio körningar.
Tidigare arbete förblir intakt.
Den tog med sig allt sitt tidigare arbete, körning efter körning.
Den behåller samma storlek.
MS Duplex lade inget till sitt fotavtryck; ett minnesförråd växte till ungefär 1,300 rader.*
Nästa: Hanterar nya formuleringar, och upptäcker de snarlika fallen.Läs det →
Se det i ditt eget arbete.
Från din egen assistent till varje agent ditt företag kör sätter en pilot MS Duplex på ditt eget arbete, med mätetal som avtalas innan den börjar.