Forskare utvecklar AI-agenter för e-handelsrådgivning
Forskare har utvecklat ProductResearch, ett system där flera AI-agenter samarbetar för att träna bättre shoppingassistenter för e-handel. Systemet använder en användar-agent som förstår shoppingbeteenden och en övervakningsagent som koordinerar forskning, vilket resulterar i syntetiska träningsdata som förbättrar AI-modellernas förmåga att ge djupgående produktrådgivning.
Djupdykning
Forskare har utvecklat ett system som tränar AI-agenter att bli betydligt bättre shoppingassistenter genom att låta flera AI-agenter samarbeta och skapa syntetisk träningsdata. ProductResearch använder tre olika agenter - en som förstår vad kunder verkligen vill ha, en som övervakar processen och en som gör djupforskning - för att generera detaljerade produktrapporter som sedan används för att träna kompaktare modeller. Det intressanta är att de syntetiska (konstgjorda) träningsdatan faktiskt gör att mindre modeller presterar nästan lika bra som stora, dyra system när det gäller att hjälpa kunder med komplexa shoppingbeslut. Detta är särskilt viktigt eftersom e-handeln behöver AI som kan gå djupare än bara "vilken färg vill du ha?" och istället förstå komplexa behov som "jag behöver en laptop för videoregistrering under 15 000 kr som är tyst och portabel". Resultatet visar att man kan skala upp sofistikerad shopping-AI utan att behöva enorma, kostsamma modeller. Nyckelinsikt: Genom att låta AI-agenter träna varandra kan vi skapa smartare shoppingassistenter som förstår komplexa kundbehov utan att förlita sig på de dyraste AI-modellerna.