Разработан новый метод разделения больших диалогов на тематики без использования размеченных данных

Эксперт из DS Community Санкт-Петербургского IT-хаба Сбербанка (блок КИБ) Алексей Резвых, руководитель направления по исследованию данных Сбера, совместно с исследователями из Лаборатории ИИ Сбера и МФТИ разработали метод сегментации диалогов на тематики на основе моделей суммаризации без использования размеченных данных, что поможет значительно улучшить качество работы колл-центров и менеджеров по продажам

Почему важна сегментация и какое основное преимущество нового метода? Все ответы — в статье на сайте, приятного чтения!

Полный текст публикации на сайте Openreview

#Полезное

Сегодня, 3 апреля в 17:00 (по мск) состоится семинар Лаборатории

Программа докладов:

→ Вадим Алексеевич Сазанов
«Логистический портал Cargotime.ru: повышение стабильности и отказоустойчивости сервиса отслеживания контейнеров»

→ Елена Алексеевна Звягина
«Логистический портал Cargotime.ru: реинжиниринг сервиса стоимости доставки»

Ссылка на видеовстречу:
> > > НАЖМИ НА МЕНЯ < < <

До встречи!

#announcement | #seminar | #students

Уже совсем скоро... уже вот-вот... семинар

Семинар начнется через 15 минут, подробности в предыдущем посте

Ссылка на видеовстречу:
> > > НАЖМИ НА МЕНЯ < < <

Будем рады видеть вас, присоединяйтесь!

#announcement | #seminar

Сотрудник Лаборатории ТиМПИ Вадим Алексеевич Сазанов на семинаре поделился результатами повышения стабильности и отказоустойчивости отслеживания контейнеров логистического портала Cargotime.ru

Cargotime — активно развивающийся портал, основанный на цифровизации логистики и ориентированный на упрощение и автоматизацию доступа к информации о грузах, транспортных компаниях и оказываемых ими услугах

По мере расширения портала повышаются требования к надёжности системы и качеству предоставляемого сервиса, поэтому работа Вадима Алексеевича направлена на повышение стабильности и отказоустойчивости Cargotime.ru, путём усовершенствования отдельно взятых микросервисов и внедрения ключевых DevOps-практик

Результат работы:
— повышена отказоустойчивость и доступность всей системы отслеживания за счёт создания кластера из 4 серверов, репликации микросервисов и балансировки нагрузки между репликами;
— увеличена стабильность сервиса пакетной загрузки и ускорена обработка запросов в несколько раз.

#cargo | #seminar

Искусственный интеллект: история, развитие, применение — лекторий от СПбГУ и VK

6 апреля в 15:00 Санкт-Петербургский университет и VK проведут совместный лекторий «Искусственный интеллект: от первых нейросетей до выполнения реальных задач в IT-индустрии».
Подробности на сайте

В последние годы технологии искусственного интеллекта стремительно набрали популярность благодаря возможностям быстрой обработки больших данных, автоматизации процессов, а также улучшения медицинских и научных исследований.

Ведущие эксперты СПбГУ и VK в области искусственного интеллекта расскажут об истории и развитии технологии, её устройстве и применении в разных сферах жизни.

❗️Необходима регистрация

Место проведения: Санкт-Петербург, наб. реки Мойки, д. 73, БЦ «У Красного Моста», 7 этаж, офис VK

Развитие логистического портала Cargotime.ru в действиях

В рамках семинара Лаборатории ТиМПИ Елена Алексеевна Звягина, активный участник команды разработчиков Cargotime.ru, поделилась результатами повышения стабильности и отказоустойчивости сервиса отслеживания контейнеров логистического портала

В связи с повышением числа пользователей Cargotime.ru возникает необходимость в:
— стабильной бесперебойной работе сервиса;
— закрытии всех потребностей пользователей.

Работа Елены Алексеевны как раз направлена на улучшение сервиса, которое поможет еще лучше и удобнее пользоваться логистическим порталом

На данный момент результаты следующие:
— повышена масштабируемость и отказоустойчивость сервиса;
— разработан сервис оценок, вычисляющий среднюю оценку компании и актуальность ее тарифов;
— повышена скорость отклика сервиса.

Команда Cargotime.ru продолжает активно работать над улучшением портала, чтобы обеспечить пользователям еще более комфортное и эффективное использование сервиса

#cargo | #seminar

Научный семинар Лаборатории сегодня, 10 апреля, в 17:00 (по мск)

👨🏻‍💻В программе тема про RAG

→ Артём Петрович Попов
«RAG подход — интеллектуальные решения на основе LLM без дообучения»

Ссылка на видеовстречу:
> > > НАЖМИ НА МЕНЯ < < <

Будем всех ждать на семинаре!

#announcement | #seminar | #students

Уже совсем скоро... уже вот-вот... семинар

Семинар начнется через 15 минут, подробности в предыдущем посте

Ссылка на видеовстречу:
> > > НАЖМИ НА МЕНЯ < < <

Будем рады видеть вас, присоединяйтесь!

#announcement | #seminar

Что поможет улучшить работу LLM?

На семинаре Лаборатории стажер-инженер Data Science КИБ Сбера Артем Петрович Попов рассказал про RAG подход — интеллектуальные решения на основе LLM без дообучения

Современные интеллектуальные системы, основанные на больших языковых моделях (LLM), зачастую требуют использования собственных данных для получения точных результатов. Однако, использование LLM "с коробки" на неизвестной тематике может привести к ошибкам в генерации ответов

Дообучение хоть и является популярным методом дополнительной настройки LLM, однако имеет серьезные минусы – плохая эффективность при работе с часто обновляющейся информацией, а также вероятность утечки конфиденциальных данных — поделился Артем Петрович

Для решения этой проблемы применяется RAG подход, который позволяет использовать внешние актуальные источники на этапе инференса LLM, тем самым уменьшая вероятность ошибок и делая процесс генерации ответа более прозрачным

RAG подход представляет собой многоступенчатую систему, где каждый этап требует особого внимания. Важными компонентами являются База Знаний и База Поиска, корректная подготовка которых — фундамент эффективной работы архитектуры

Оценка качества RAG системы включает два этапа: оценку качества поиска релевантного контекста и оценку качества сгенерированного ответа. Для автоматизации этого процесса используются специальные фреймворки, такие как RAGAS

Грамотное применение RAG подхода расширяет возможности LLM в области создания вопросно-ответных систем и помогает в разработке интеллектуальных помощников на основе подготовленной Базы Знаний

#Полезное