영어 이외의 언어로 일하는 상담원

여러 국가에 걸쳐 운영되는 조직은 언어 문제를 늦게 발견하는 경향이 있습니다. 문제를 표면화하는 시스템 자체가 지배적인 언어를 중심으로 구축되어 있기 때문입니다.

한 언어의 지원 대기열은 괜찮아 보입니다. 다른 대기열의 동등한 대기열은 직원 배치로 인해 에스컬레이션 비율이 약간 더 높습니다. 아무도 그것을 검색에 연결하지 않습니다.

저하가 실제로 발생하는 곳

사람들이 테스트하는 부분인 세대에서는 거의 발생하지 않습니다. 일반적으로 상류.

검색. 한 언어에 맞게 조정된 전략을 사용하여 인덱스를 구축한 경우 청크 경계 및 임베딩은 다른 언어에서 다르게 동작할 수 있습니다. 특히 단어 분할이나 형태가 다른 언어의 경우 더욱 그렇습니다. 올바른 통로가 존재하며 검색되지 않습니다.

파싱. 다른 스크립트로 된 문서, 특히 라틴 제품 이름이 포함된 방향이 혼합된 텍스트는 잘못된 순서로 추출되어 개별적으로 정확하고 전체적으로 뒤섞인 텍스트를 생성할 수 있습니다.

어휘. 비즈니스 맥락에서 가장 중요한 단어인 제품 이름 및 내부 용어는 일반 시스템이 지배적인 훈련 언어 외부에서 가장 안정적으로 처리하지 못하는 단어입니다.

시공으로 고장이 조용하다

영어의 경우 잘못된 검색은 일반적으로 검토자가 볼 수 있는 지원되지 않는 답변을 생성합니다. 검토 팀이 덜 유창하게 읽는 언어에서는 동일한 출력을 확인하기가 더 어렵고, 이를 포착할 수 있는 검토는 더 필요한 부분에서 정확하게 약합니다.

이것이 집계된 품질 지표가 문제를 숨기는 이유입니다. 전반적인 정확도 수치는 잘 서비스를 받는 다수와 서비스를 덜 받는 소수의 평균을 나타내며 평균은 허용 가능한 것처럼 보입니다.

측정 대상

언어별로 항상. 절대 집계가 아닙니다. 언어별로 품질을 분해할 수 없으면 문제를 전혀 볼 수 없습니다.

언어별로 세대별로 별도로 검색합니다. 이는 "구문을 찾을 수 없음"과 "구문을 찾았지만 답변이 좋지 않음"을 구별하며 수정 사항이 다릅니다.

의도적으로 자신만의 어휘를 사용하세요. 일반적인 시스템이 가장 많이 갈라지는 부분이 바로 여기이기 때문에 귀하가 운영하는 각 언어로 제품 이름과 내부 용어를 포함하는 평가 질문을 작성하십시오.

도움이 되는 경향이 있는 것

토큰 개수가 아닌 문서 구조에 청크를 적용합니다. 구조는 길이와 달리 언어 독립적이기 때문입니다.

의미 체계와 키워드 검색을 결합한 하이브리드 검색으로 임베딩이 고르지 않게 처리하는 정확한 용어를 구출합니다.

시스템이 지원하는 조직의 어휘 목록입니다.

그리고 한 지역의 문서 번역이 아닌 각 지역의 실제 문서로 테스트하여 소스 언어의 구조를 재현하고 시스템을 더욱 평면화합니다.

우리가 이 일을 하는 이유

Yaju Labs는 조직이 에이전트를 생성, 사용, 관리 및 개선하는 방법을 연구하며, 언어 전반에 걸쳐 불균일한 성능은 모델 기능보다 운영 계층이 더 중요한 가장 명확한 사례 중 하나입니다. 더 나은 모델은 한 언어에 맞게 조정된 검색 전략을 수정하지 않습니다.

다음

Yaju Labs 페이지에서는 연구 프로그램을 다루며, 읽기보다는 기여하고 싶다면 Open Development Community에 무료로 가입할 수 있습니다. 개발자 문서에서는 검색 및 청킹을 다룹니다.