SUPPORT+
PulseAugur coverage of SUPPORT+ — every cluster mentioning SUPPORT+ across labs, papers, and developer communities, ranked by signal.
-
B2B SaaS 服务台优先考虑工单标记的成本可预测性
一家 B2B SaaS 服务台架构优先考虑工单标记的每个租户成本可预测性，而非原始准确性。该系统要求每个标签都与租户和成本相关联，需要一个仅追加的账本用于使用记录，以避免重复收费并确保准确计费。对于标记，建议使用嵌入分类器，因为它具有成本可预测性并能利用现有的标记数据，而零样本 LLM 则适用于覆盖不太常见的标签或新租户。
-
开发者被敦促对 AI 系统提示词进行版本控制，以实现更好的日志记录和调试
开发者常常忽视系统提示词在 AI 应用中的关键作用，将其视为简单的文本字符串而没有进行适当的版本控制。这可能导致 AI 行为发生不易察觉且未被记录的变更，难以追溯其根源。作者提出了一种结构化方法，使用版本化的提示词对象，包括唯一的 ID 和版本号，以确保每次 AI 交互都被记录并附带相应的提示词。这种方法可以实现更好的调试、审计，并通过将提示词验证集成到构建过程中来防止静默回归。
-
新基准评估人工智能生成的法律报告中的引文可信度
研究人员开发了LegalCiteTrust，一个旨在评估中文长篇法律研究报告中引文可信度的新基准。该基准从覆盖度、支持度和引文可信度三个维度评估报告，其中引文可信度又细分为存在性、保真度和适用性（E/F/A）。使用各种LLM和研究系统进行的实验表明，检索工具可以增强证据支持，但不能可靠地提高引文可信度。研究结果表明，可靠的法律研究生成需要引文感知治理，确保检索到的法律权威不仅被找到，而且被准确描述并恰当应用。
-
香港癌症应用程序寻求资金以援助76,000名患者
香港大学开发的一款移动应用程序为超过76,000名癌症患者提供关键支持。该应用程序帮助患者在家中管理治疗副作用和症状，充当与医疗专业人员的重要联系。开发者目前正寻求额外资金以扩大该应用程序的覆盖范围和功能。