대규모 언어 모델의 개인화 기능 평가

대규모 언어 모델의 개인화 기능을 평가하는 연구가 최근에 발표되었습니다. 개인화는 보내는 사람, 채널, 시간이 고정된 채로 특정 수신자에게 행동을 유도하기 위해 메시지를 변형하는 행위입니다. 이는 심리학 및 마케팅에서 두 당사자 문제로 알려진 오랜 전통을 가지고 있으며, 보내는 사람과 수신자가 독립적인 목표를 가지고 있습니다. 대규모 언어 모델은 기존의 검색 및 순위 결정 접근법의 제한된 저장 제약을 제거하여 수신자 상태에 대한 조건으로 생성되는 메시지 변형의 연속체를 생성합니다. 현재 모델이 고전적인 의미에서 얼마나 잘 개인화를 수행하는지 여부의 문제가 됩니다. 기존 언어 모델 개인화 벤치마크는 보내는 사람의 적응을 측정하며, 수신자는 모델이 제공하는 동일한 사용자입니다.

연구 결과

특정 프레임워크를 생성적 에이전트에 적용하고 판매에서 수신자 행동이 매력적인 접촉과 기록되는 경우에 대한 구현을 즉시 시행합니다. 이를 통해 6,279 개의 고객 성공 사례가 22 개의 산업과 대략 200 개의 기업을 보유한 공개 자료를 발표하고 시간적 제약 시뮬레이션을 통해 미래 데이터 유출을 방지하는 시뮬레이션을 사용하여 수신자 행동이 매력적인 접촉과 기록되는 경우에 대한 구현을 즉시 시행합니다. 최첨단 언어 모델과 깊은 연구 에이전트에서 개인화 플랫폼을 관찰하고 100대 기술 그룹에서 어떠한 모델도 성공적인 접촉과 실패한 접촉을 통계적으로 구별하지 못합니다. 12명의 전문 판매원과 함께 실시한 현장 배치에서 프레임워크를 검증하고 48%의 모델 생성 콘텐츠가 즉시 유용하다고 평가되었으며 전문가 동의도가 0.82에 달했습니다. 공개하여 대규모 생성 개인화에 대한 재현 가능한 연구를 지원합니다. 이러한 연구 결과는 대규모 언어 모델의 개인화 기능을 평가하고 향상시키는 데 중요한 역할을 할 것입니다.