专家个性化实时预测写作的集成方法
摘要：智能金融专家在记录笔记或与用户进行实时聊天时，以较少的输入词/字符完成句子、短语或单词对他们非常有帮助，因为他们需要一天多次以高效和准确的方式书写复杂的金融概念。在本文中，我们将不同的方法（如大型语言模型、传统的马尔可夫模型和字符级模型）结合起来，创建一个端到端系统，以在严格的延迟约束条件下为专家提供个性化的句子/单词自动补全建议。所提出的系统可以在撰写过程中个性化地自动完成句子、短语或单词，并且可以用很少的数据和资源进行训练，效率很高。我们所提出的系统不仅高效和个性化，而且稳健，因为它利用了多种机器学习技术和迁移学习方法，通过对Intuit特定数据进行微调，使大型语言模型更加精准。这确保即使在罕见或不寻常的短语中，系统也可以在几乎实时的情况下提供相关的自动补全建议。调查显示，这个系统可以节省专家的记笔记时间，并提升他们与团队和客户交流时的信心。自启用这个预测写作功能以来，根据这些建议已经节省了超过一百万次按键。我们对我们的集成选择进行了比较研究。此外，这个功能可以在非常短的时间内集成到任何具有书写功能的产品中。
作者：Sourav Prosad and Viswa Datha Polavarapu and Shrutendra Harsola
论文ID：2308.13576
分类：Computation and Language
分类简称：cs.CL
提交时间：2023-08-29