03｜提高准确率：意图识别的五类问题 & 解法
邓明
你好，我是大明。
上一讲我们讨论了意图识别的基础做法。简单来说，一个基础但完整的意图识别系统，至少要包含封闭的候选意图集合、清晰的意图边界、结构化输出 Schema、拒识和澄清。
而后在这个基础上还讨论了 Slot Filling 和三层意图识别机制。如果你只是做一个小型 Agent，这套方案基本已经够用了。但是，一旦系统变复杂，意图识别就会遇到很多新的问题。比如说：
候选意图太多，Prompt 放不下；
意图边界重叠，模型分不清；
用户一句话里面包含多个目标；
多轮对话中，用户可能延续、修改、切换、取消任务；
多个识别器给出了不同结果，不知道该信谁。
...
这些问题，单纯靠把 Prompt 写长一点或者换一个更强的大模型，并不能彻底解决。所以这节课我们就来讨论一下如何构建一个更加复杂的意图识别机制，以及如何进一步提高意图识别的准确率。
意图识别为什么不准？
在讨论优化方案之前，你先试着回答一个问题：意图识别为什么会不准？
这个问题在面试中属于非常刁钻的一类问题，大部分人要么是答不上来，要么就是只能回答到大模型不够准确。但在实践中，意图识别不准，往往不是单纯因为模型不够强，而是因为意图系统本身设计得不好。换句话来说，你的工程能力太差导致意图识别不准。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《AI Agent 系统设计面试现场》，新⼈⾸单¥59
《AI Agent 系统设计面试现场》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论