Comments 8
Класс, спасибо! Очень не хватает описаний реальных бизнес-кейсов по AI, да ещё и поданных в таком хорошем формате!
А можете пожалуйста раскрыть технические детали?
там все просто, везде один вызов llm:
Магнит дообучил ЯндексGPT на маленьком датасете, что-то вроде 1000 соответствий.
Skyeng показывают учителям конструктор, где можно накликивать нужное упражнение (захардкодженные промпты под кнопками, прожатие пары кнопок - конкатенация двух промптов).
Точка подставляет в промпт личную информацию отправителя и получателя сообщения.
сходу, после кейса №1 родился еще один кейс - написание положительных отзывов и комментариев к товару с помощью LLM.
Тоже интересны технические детали.
- Это просто openai sdk и/или обертки над requests или что-то по-серьезнее? (langchain, etc)
- В целом интересен стек окружающий, есть ли какое-то observability и контроль качества? Тесты и тд? Или работает или ладно?)
1) на сколько я понимаю просто openai sdk (магнит остановился на Яндексе)
2) у Skyeng мне не совсем понятно как считались метрики, как они заявляют скорость создания упражнений выросла в 3 раз, но было ли у них среднее время создания таких уроков не знаю. Как считали - NDA
магнит разделял, как полагается, датасет пополам часть на обучение, часть на проверку.
Точка смотрела на использование фичи и лайки (что в их случае является хорошей валидацией):
Около половины пользователей, которые смотрели подборку собеседников, воспользовались нейросетью для приветственных сообщений.
86% из них одобряют предложенные варианты, что говорит о реальном упрощении старта общения.
Реальное внедрение LLM в бизнес-процессы (3 кейса)