自去年宣布推出Copilot Studio以来,微软表示该工具已在多个业务部门让效率显著提升。从下个月开始,客户将可以对这一说法进行测试。
该服务提供了一个无代码风格的界面,用于构建特定任务的人工智能代理,以实现员工工作的自动化。
如果你对人工智能代理的概念不熟悉,那么它指的是结合使用大型语言或视觉模型(有时不止一个)与传统自动化框架,无需人工交互即可主动处理信息(例如销售线索)。
尽管Copilot Studio可用于构建自定义代理,自动执行各种任务,微软在Dynamics 365 产品中提供了十个现成的代理,覆盖了从销售和客户服务到财务和供应链管理的方方面面。
微软表示其中得供应链代理可以“通过自主跟踪供应商绩效、检测延迟并做出相应响应,最大限度地减少代价高昂的中断”,并补充表示,它将把团队从监控和救火中解放出来。
当然,这些服务旨在插入客户现有的Microsoft 365服务,扩展他们的知识库,这可能是通过一种名为检索增强生成(RAG)的技术实现的——我们在这里对这一概念进行了深入探讨。
从长远来看,许多业内人士都认为这项技术将有助于实现整个部门的自动化。不过,就目前而言,微软的雄心似乎更低调,他们将这一服务定位为提高效率的驱动力,帮助现有员工完成更多工作或专注于价值更高的任务。
微软表示,霍尼韦尔使用 Copilot 提高了生产率,相当于增加了187名全职员工,这不禁让人怀疑,这些工具的真正目的是提高工人的生产率,还是推动裁员。
这正是 Klarna正在做的事情,但这家金融科技公司并没有让人工智能发出 “解雇通知书”,而是将其代理作为不补充员工离职后造成的空缺的理由。
微软称,在自己的测试中,至少有一个销售团队使用Copilot后,每个销售的收入提高了9.4%,成交量增加了20%。同时,这家软件巨头还表示,帮助人工智能人力资源助理现在将回答问题的准确率提高了42%。
当然,我们建议对这些说法持谨慎态度。百分比并不总是像看起来那么令人印象深刻,尤其是当你不知道基数是多少的时候。如果人力资源助理只有四分之三的时间能正确回答问题,那么准确率提高42%就已经很了不起了。但是,如果人力资源助理十次中已经有九次回答准确,那么提高的幅度就小得多了。
虽然微软表示这些代理提供了很多好处,但企业是否真的会让这些代理自己做出决定,还是只会让这些代理在已经需要团队关注的各种警报中插上一脚,还有待观察。当然,我们有足够的理由相信会是后者。
本月早些时候,Redwood Research公司首席执行官Buck Shlegeris与《The Register》杂志分享了故事:一个人工智能代理扫描他的网络、识别计算机并与之连接,结果却出了点差错,开始向机器推送更新,并很快就搞砸了。
需要说明的是,这个特殊的代理是用Python定制的,并使用Anthropic 的 Claude LLM 作为后台。因此,也许微软的Copilot Studio将内置更好的防护栏,以防止生产中出现此类事件。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
时尚零售巨头维多利亚的秘密因安全事件导致网站和线上订单服务中断,已立即启动应急响应、邀请第三方专家协助恢复运营,实体店仍正常营业。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。