无意图的大模型对话系统CALM

最新推荐文章于 2025-02-13 11:39:58 发布
最新推荐文章于 2025-02-13 11:39:58 发布
阅读量1.7k 收藏 19
点赞数 21
分类专栏： AI 文章标签： 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/yyw794/article/details/135535725
版权
CALM是Rasa的商业版技术，采用大模型驱动的对话系统，能理解整篇对话并生成业务流程指令。与传统NLU不同，它专注于对话流程而非单一意图，提供对话修复功能以处理各种异常情况。大模型避免了直接输出文本导致的幻觉问题，提升开发效率并利用生成能力增强回复的灵活性。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

CALM

CALM是Rasa的最新技术，仅用于商业版本Rasa Pro中（开源版本仍然为旧的基于意图的设计）。

Conversational AI with Language Models，是一个原生大模型的对话方案，包括：

  • 业务逻辑（Business Logic）
  • 对话理解 （Dialogue Understanding）
  • 对话修复 （Automatic Conversation Repair）

大模型负责理解用户的整篇对话，输出贴合业务流程的内部命令语言。

由于大模型并不是直接输出文字给用户，而是保证DM流程图的执行，因此，它不会产生幻觉，在商业领域中可以可靠的运行。

业务逻辑（Business Logic）
流程（Flow）

流程的描述很重要，这是让大模型找到目标的关键。

流程也支持条件满足。流程如果有FlowGuard，则LLMCommandGenerator在一个Flow的FlowGuard不满足条件时，不会选择这个Flow。

步骤（Steps）
  • 动作step（action)
  • 为了填槽而收集信息step(collect)
  • 填写槽位(set slots)
  • 跳转另一个流程(link)

（大模型的输入长度限制，会影响flow的描述和槽位数量等信息的总信息量）

对话理解&#x
最低0.47元/天 解锁文章
CALM框架：系统性识别与量化大型语言模型的偏见
步子哥的博客
10-05 293
在人工智能的迅速发展浪潮中，大型语言模型（LLMs）在自然语言处理领域扮演着至关重要的角色，从文本生成到问答系统，它们无处不在。然而，随着它们影响力的扩大，确保其在评判与决策过程中保持公正性成为了一个亟待解决的关键问题。本文旨在介绍一种创新的评估框架——CALM（Comprehensive Assessment of Language Model Judge Biases），旨在系统地评估和量化LLMs在评判过程中的潜在偏见。
Rasa：使用大语言模型进行意图分类
段智华的博客
09-17 5276
LLM意图分类器是一种全新的意图分类器，利用大型语言模型（LLM）来对意图进行分类。在使用LLM进行意图分类时，可以自定义提示（prompt），以指导LLM预测消息的意图。在Rasa的最新版本（3.x）中，引入了一种新的意图分类方法，即使用大型语言模型（LLM）和一种称为检索增强生成（RAG）的方法进行意图分类。要在的机器人中使用基于LLM的意图分类器，需要在config.yml文件中添加LLMIntentClassifier。这是因为LLM生成的响应与现有的意图进行映射，防止任何提示泄露给用户。
Rasa学习笔记
最新发布
wanger61的博客
02-13 667
flows:description：必填，描述流程为用户做了什么。编写清晰的描述很重要，因为对话理解组件使用它来决定何时开始此流程always_include_in_prompt：如果always_include_in_prompt字段设置为true，并且If字段中定义的流保护计算结果为true，则该流将始终包含在提示中nlu_trigger：可以启动该流的意图。persisted_slots：默认情况下，当流程结束时，在collect和set_slot步骤中设置的插槽将被重置。
【Python大语言模型系列】开源机器人对话系统框架RASA介绍与使用（案例分析）
数据杂坛
09-29 3478
开源机器人对话系统框架RASA介绍与使用（案例分析）
Rasa对话模型——做一个语言助手
LNN0212的博客
09-18 1574
使用Rasa构建一个属于自己的语言助手，自己创建语料库，你也来试一试吧！
【“第二课堂”AI实践课堂笔记】：大模型学习
huodaqi666的博客
08-07 1594
大模型是人工智能领域中的一种重要模型，通常指的是具有大规模参数和复杂计算结构的机器学习模型。这些模型通常由深度神经网络构建而成，拥有数十亿甚至数千亿个参数，能够在多个领域和任务中展现出强大的泛化能力和自监督学习能力。
《Ai企业知识库》-模型实践-rasa开源学习框架-搭建简易机器人-环境准备(针对windows)-02
阿丹的博客
05-27 1677
其实现在可以使用的ai的开发框架有很多很多，就需要根据各个模型的能力边界等来讨论和设计。这个步骤主要是，拿到上一步传过来的有用的记忆知识、数据。来让机器人明白要做什么。这里的dst主要是用来管理多轮对话中的时候，来处理多轮对话。Current Interpretation:现行解释。对话中的庞杂信息，有的需要模型记忆，有的不需要。Intent:意图，理解这个问题是要干什么。输出的就是：Action(具体的动作)past State：过去状态。以及要完成这个东西的限制条件。
从CaLM评测体系看上海AI实验室如何提升大模型的人类认知水平
python1222_的博客
05-23 908
近日，上海人工智能实验室（上海AI实验室）联合同济大学、上海交通大学、北京大学及商汤科技发布首个大模型因果推理开放评测体系及开放平台CaLM（Causal Evaluation of Language Models，以下简称“CaLM”）。首次从因果推理角度提出评估框架，为AI研究者打造可靠评测工具，。因果推理是人类认知能力最重要的特征之一，提升因果推理能力被视为由机器智能迈向人类智能水平的关键步骤。为对大模型进行科学有效的因果推理能力评估，上海AI实验室联合团队在CaLM中提出包含。
【论文解读】大模型与游戏-综述和路线图
INTSIG的博客
05-22 1279
近年来，对大型语言模型（LLM）的研究出现了爆炸式的增长，同时伴随着公众对这一话题的参与。虽然LLM最初是自然语言处理中的一个领域，但它在包括游戏在内的广泛应用和领域中都显示出了非凡的潜力。本文调查了LLM在游戏中的各种应用程序的现状，并确定了LLM在游戏中可以扮演的不同角色。重要的是，作者讨论了LLM在游戏中未来使用的未开发领域和有希望的方向，并提出了LLM在游戏领域中的潜在和局限性。作为LLM和游戏交叉点的第一个全面调查和路线图，希望本文能够在这一令人兴奋的新领域为开创性的研究和创新提供基础。
Rasa：停止构建“代理”，并推出真正有效的LLM聊天机器人
段智华的博客
02-20 753
Rasa：停止构建“代理”，并推出真正有效的LLM聊天机器人最初“大模型可以做任何事情”的宣传已经过时。工程师们现在正忙于运行真正的应用程序。如果你已经完成了打地鼠游戏、调整体温、在文本中添加另一种提示技术，并希望你的应用程序这次能够正常工作，那么你可能会想尝试一下Rasa发布的CALM开发版。每当用户与LLM代理交互时，LLM代理都会动态地计算出它们的业务逻辑，可以在整个互联网上导航，为我们做任何事情。但商业聊天机器人根本不是这样的。
Agent四大范式 | 综述：全面理解Agent工作原理
weixin_45607947的博客
06-24 1108
随着大型语言模型（LLMs）展现出显著的智能，将其应用于自主代理规划模块的研究受到了广泛关注。本综述首次系统性地审视了基于 LLM 的代理规划，涵盖了提升规划能力的最新研究成果。我们对现有的 LLM-代理规划研究进行了分类，将其分为任务分解、计划选择、外部模块、反思和记忆等类别，并针对每个方向进行了深入分析。同时，我们也探讨了该研究领域面临的挑战。
《Ai企业知识库》-模型实践-rasa开源学习框架-基础理论-02
阿丹的博客
05-23 1036
Rasa是一个开源的机器学习框架，专门用于构建自动化的文本和语音对话系统，即聊天机器人。它允许开发者和企业创建定制化的对话体验，适用于各种领域，从客户服务、电子商务到教育和健康咨询等。Rasa的核心优势在于其灵活性和可扩展性，使得用户能够构建复杂且高度个性化的对话逻辑。Rasa本身不是用来直接训练或微调大型预训练模型的工具，但它提供了接口和机制，使得开发者能够间接利用这些大模型的威力，通过整合它们的输出或微调后模型的特性，来增强对话系统的理解能力和表现。
Transformer课程 业务对话机器人Rasa 3.x 持续集成 和持续部署
段智华的博客
01-20 918
Transformer课程 业务对话机器人Rasa 3.x 持续集成 和持续部署 Continuous Integration and Continuous Deployment 即使开发上下文助手不同于开发传统软件，您仍然应该遵循软件开发最佳实践。设置持续集成 和持续部署 管道可确保对bot的增量更新能够改善它，而不会损害它。 Overview 持续集成是频繁合并代码更改并在提交更改时自动测试更改的实践。连续部署意味着自动将集成的更改部署到暂存或生产环境。它们使您能够更频繁地改进助手，并有效地测试和部署这
Rasa 3.0的发展趋势是什么？
ZimingUit的博客
02-22 1137
Rasa 最新发布的主要版本：Rasa 3.x ，很高兴Rasa社区发生的最重要的变化和改进。 Rasa开源3.0将模型体系结构与框架体系结构分开，使我们能够运行任意模型体系结构。它还附带了一些增强功能，重点是在使用Rasa构建会话式AI助理时改善开发人员的体验。改进后的计算后端使我们能够试验体系结构，降低维护成本，并实现大规模的协作开发。槽位映射有一些改进，可以使实现所需的槽位行为和表单更容易。有了一个新的实验特性，它旨在帮助我们找出如何在事件跟踪器存储之上添加一个“语义层”，以便更容易地识别和跟踪对话
基于LLM的任务型对话系统：论文《Task-Oriented Dialogue with In-Context Learning》思路
beingstrong的博客
10-23 1555
《Task-Oriented Dialogue with In-Context Learning》是Rasa团队在2024年2月发布的论文，是其Rasa pro功能CALM(Conversational AI with Language)对应的论文，它描述了用LLM的in-context learning能力与确定的业务逻辑一起来实现一个任务型对话系统
一、LogicFlow 介绍
赵花花的博客
08-12 1021
Vue2 中使用 logicFlow 的学习日志
让大模型更贴近人类认知水平，上海AI实验室发布首个因果推理评测体系CaLM
python12345_的博客
05-15 1110
近日，上海人工智能实验室（上海AI实验室）联合同济大学、上海交通大学、北京大学及商汤科技发布首个大模型因果推理开放评测体系及开放平台CaLM（Causal Evaluation of Language Models，以下简称“CaLM”）。首次从因果推理角度提出评估框架，为AI研究者打造可靠评测工具，。因果推理是人类认知能力最重要的特征之一，提升因果推理能力被视为由机器智能迈向人类智能水平的关键步骤。为对大模型进行科学有效的因果推理能力评估，上海AI实验室联合团队在CaLM中提出包含。
Rasa系列教程(一) -- 系统及各组件介绍
m0_37565948的博客
09-18 4706
Rasa系列教程
CALM 1.1部署指南：系统要求与步骤详解
本篇文档是CALM（Continuous Application Lifecycle Management）部署手册，主要针对版本1.1，记录了系统部署的相关步骤、要求和更新历史。CALM是一款用于软件开发生命周期管理的工具，该手册旨在帮助工程技术人员在...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值