|
1
|
1、现状：
|
|
2
|
当前现状伙伴提问，回答的准确率92%
|
|
3
|
基线正确数据量：444350
|
|
4
|
全量数据：
|
|
5
|
2、目的：
|
|
6
|
挤掉92%的数据水分
|
|
7
|
3、参考数据
|
|
8
|
表1：兜底表
|
|
9
|
表2：需要识别理解是否正确表
|
|
10
|
4、步骤 可全量 可抽样
|
|
11
|
（1）表2中
|
|
12
|
需要识别
|
|
13
|
输入 表2中a列 用户提出的问题 到 大模型or小模型 输出 标准问题a1
|
|
14
|
判断 表2中b列 标准问题 是否和 标准问题a1一致 如果一致 正确数字n+1 如果不一致 非正确数字m+1 初始值n=0 ，m=0
|
|
15
|
结论：
|
|
16
|
表2中正确问题占比：n/m+n
|
|
17
|
基线正确数据量：444350+n
|
|
18
|
回答准确率：444350+n/全量数据
|
|
19
|
（1）表1中数据新增 表2中回答不一致的问题和答案
|
|
20
|
（2）分析表1中用户问题哪些属于
|
|
21
|
复合型问题：哪些是识别了回答不了？
|
|
22
|
局限问题：哪些是识别不了？
|
|
23
|
复合型问题和局限问题在表1中大概占比有多少？预计占全量有多少？
|
|
24
|
（3）表1中问题大类分类有几大类？哪些是局限问题？哪些是复杂问题？
|
|
25
|
比如：食品安全，饮料制作，清洁标准，人事，薪资，福利等
|
|
26
|
（4）是否可以从其他维度进行分析？
|
|
27
|
比如：人员角色等
|
|
28
|
|
|
29
|
|
|
30
|
|
|
31
|
|