Мультимодальные совместные агенты для коммерции нового поколения
Multimodal Collaborative Agents for Next-Gen Commerce — Nidhi Kaushik Vyas, Google DeepMind
Агент для покупок с расплывчатым запросом должен задавать самый информативный вопрос и уточнять стиль визуальными подборками, а не текстовыми анкетами.
- Рабочее состояние агента — агент собирает жёсткие и мягкие ограничения из истории диалога, личного контекста и референсных картинок и ведёт оценку уверенности в каждом выводе. Такие параметры, как остатки на складе, обновляются в реальном времени, потому что устаревший ответ бесполезен.
- Выбор следующего вопроса — из всех неизвестных агент выбирает тот, который даёт максимальный информационный выигрыш, например ширину комнаты: товар, который не влезает, делает остальной разговор бессмысленным. Проверяются пропущенные блокеры, лишние переспросы и полезность каждого вопроса.
- Визуальные подборки вместо текста — для субъективных предпочтений, например стиля, агент показывает доску похожих вариантов и учитывает наведение и клики. По словам спикера, так предпочтения выявляются заметно быстрее, чем текстовыми вопросами.
- Формат ответа под запрос — сравнение выводится таблицей, отзывы и условия списком, идеи для интерьера картинками. Точность формата и отсутствие выдуманных данных оцениваются авторейтерами на каждом этапе.
Кому полезно: тем, кто строит подбор товаров или агентов для запросов, которые пользователь не может точно сформулировать.
Статья по теме
Главы
Похожие доклады
Перестраиваем веб для агентов
AI Engineer World's Fair 2026
Близко по содержанию
Голосовые агенты могут не только говорить, но и действовать
Близко по содержанию
Как Instacart преобразовала поиск и рекомендации с помощью LLM
AI Engineer World's Fair 2025
Близко по содержанию
Машины, покупающие и продающие благодать
AI Engineer World's Fair 2025
Близко по содержанию

