PulseAugur
中
实时 02:11:35
English(EN) LLM-based Models for Detecting Emerging Topics in Service Feedback

基于LLM的系统改进了多语言客户反馈的分析

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种分析多语言客户反馈的新方法，特别适用于税务管理等公共部门组织。该方法结合了大型语言模型（LLM）、统计技术和人工监督，以识别新兴的服务质量问题和潜在的不公平现象。该系统使用经过微调、量化的LLM和“人在回路”框架，以确保准确性、效率和上下文感知能力，减少LLM的虚构并提高可靠性。评估表明，与基线模型相比，该方法与专家判断的一致性更好，支持基于证据的决策并增强公众信任。 AI

影响 通过改进多语言客户反馈的公平性和服务质量分析，增强了公共部门的决策能力。

排序理由 该条目是一篇发表在arXiv上的研究论文，详细介绍了使用LLM分析服务反馈的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

基于LLM的系统改进了多语言客户反馈的分析

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Mahsa Tavakoli, Ruth Bankey, Cristi\'an Bravo ·

    基于LLM的模型用于检测服务反馈中的新兴主题

    arXiv:2606.26595v1 Announce Type: new Abstract: Enhancing the analysis of service feedback is essential for public sector organizations, particularly tax administrations, where trust and compliance depend on fair and effective service delivery. As feedback volumes grow, identifyi…

相关实体

相关话题