English(EN) ShopEase: A Generative AI-Based Multi-Agent Framework for Intelligent Enterprise Customer Support Using Hybrid Retrieval-Augmented Generation

ShopEase框架使用LLaMA 3.2支持企业客户

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-15 04:00

一篇新的研究论文介绍了ShopEase，一个专为智能企业客户支持设计的多智能体框架。该系统集成了六个组件，包括意图识别、CRM交互、内存管理、混合检索增强生成（RAG）模块、升级能力和主管。ShopEase使用LLaMA 3.2进行响应生成，通过Ollama在本地运行。检索系统使用各种配置进行了测试，结合了FAISS （密集检索）和BM25（稀疏检索），其中仅使用FAISS的准确率最高，达到85.37%。研究发现，密集检索效果最好，添加交叉编码器重排序会增加延迟，但不会提高分类准确性。 AI

影响该框架可以通过利用先进的检索和生成技术来提高企业客户支持的效率和准确性。

排序理由详细介绍新AI框架的研究论文。[lever_c_research降级：ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍新AI框架的研究论文。[lever_c_research降级：ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Aakash Kumar Tiwari, Somesh Kumar · 2026-09-15 04:00

ShopEase：一种基于生成式AI的、用于智能企业客户支持的多代理框架，采用混合检索增强生成技术

arXiv:2609.13856v1 Announce Type: new Abstract: Enterprise customer support systems must answer customer questions correctly, retrieve the right policy information, use customer context, and pass difficult cases to human agents when needed. This paper presents ShopEase, a Generat…

本文如何被排名

报道来源 [1]

ShopEase：一种基于生成式AI的、用于智能企业客户支持的多代理框架，采用混合检索增强生成技术

相关实体

相关话题