← Каталог

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