By submitting, you consent to our use of your data. Privacy Policy.
Kategorie
Geschäftsführung
Erstellt von
Beam.ai
Rufen Sie ein gehostetes Hugging-Face-Modell auf, um eingehenden Text zu klassifizieren oder zu bewerten, und schreiben Sie das Ergebnis direkt in den Datensatz zurück, sodass Mitarbeiter nur noch Fälle mit geringer Konfidenz überprüfen müssen.
Hosted Inference API
Anstatt ein Modell auf der eigenen Infrastruktur auszuführen, kann ein Beam AI Agent Text, Bilder oder andere Eingaben über einen einzigen API-Aufruf an ein gehostetes Modell senden und eine Vorhersage zurückerhalten. Dies eignet sich für Aufgaben wie die Klassifizierung einer Nachricht oder die Sentiment-Analyse einer Kundennotiz. Der Agent führt basierend auf diesem Ergebnis den freigegebenen nächsten Schritt aus, wie z. B. das Taggen eines Datensatzes oder das Bestimmen des Routing-Pfads. Wenn das Modell eine niedrige Konfidenz oder ein unerwartetes Ergebnis liefert, leitet der Agent den Fall an einen Mitarbeiter weiter, anstatt selbstständig zu handeln.
Model Hub Katalog
Der Hub bietet einen großen öffentlichen Katalog an vortrainierten Modellen für Text, Bilder, Audio und weitere Aufgaben, jeweils mit einer Dokumentation über deren Trainingszweck. Ein Account kann ein spezifisches, für die Aufgabe optimiertes Modell auswählen – beispielsweise eines für Sentiment-Analyse oder eine bestimmte Sprache – anstatt einen generischen Standard zu nutzen. Ein Beam AI Agent ruft genau das Modell auf, das der Account für diesen Workflow-Schritt freigegeben hat. Fällt eine Aufgabe außerhalb des Bereichs, den das ausgewählte Modell zuverlässig verarbeiten kann, leitet der Agent den Vorgang an einen Mitarbeiter weiter, anstatt eine Antwort von einem ungeeigneten Modell zu erzwingen.
Benutzerdefinierte Inference-Endpunkte
Zusätzlich zu den gemeinsam genutzten öffentlichen Modellen kann ein Account sein eigenes Modell – einschließlich feingetunter oder privater Modelle – auf einem dedizierten Endpunkt für produktiven Traffic bereitstellen. Ein Beam AI Agent ruft diesen Endpunkt genauso auf wie jedes gehostete Modell: Er sendet eine Eingabe und erhält ein Ergebnis, das direkt mit diesem spezifischen Deployment verknüpft ist. Dies ist besonders wichtig, wenn eine Aufgabe ein Modell erfordert, das mit den eigenen Daten des Accounts trainiert wurde, anstatt eines Allzweckmodells. Fehlgeschlagene Aufrufe, Timeouts oder Ergebnisse außerhalb des erwarteten Bereichs werden an einen Mitarbeiter weitergeleitet, um den Endpunkt oder die Eingabe vor einem erneuten Versuch zu prüfen.
