Span-01 er Respans modell for atferdsskåring av samtaler og agentspor. Den leser en tekstinteraksjon sammen med atferdsdefinisjoner skrevet i vanlig språk og returnerer sannsynligheter for hver definisjon. Utdataene skiller mellom atferd som er til stede, fraværende eller ikke observerbar i det oppgitte sporet. Dette gir en evalueringsflyt et numerisk signal med en eksplisitt måte å representere manglende grunnlag på, i stedet for en generert forklaring som må tolkes.
Atferdstypene oppgis av den som kaller modellen. Promptinjeksjon, udokumenterte påstander, eksponering av hemmeligheter, repeterende løkker, feil bruk av verktøy og brukerfrustrasjon er mulige definisjoner, ikke en fast taksonomi innebygd i modellen. Angi hva som teller som atferden, og hva som ikke gjør det. En smal definisjon kan skille mellom en bruker som ber om å bli overført til et menneske, og en som bare uttrykker skuffelse. En annen kan skille mellom en assistent som erkjenner et problem, og en som lover en handling den ikke kan utføre.
Bruk stabile identifikatorer for definisjonene, slik at resultatene forblir knyttet til atferden som vurderes. Hold kriteriet fokusert på noe sporet kan vise. Hvis atferden krever et kildedokument, et verktøyresultat eller et senere svar fra kunden, tar du med dette grunnlaget i tekstinteraksjonen der det hører hjemme. En definisjon alene kan ikke fastslå et faktum som mangler i sporet.
De dokumenterte inndataene skiller de foregående meldingene i span.input fra målreplikken i span.output. Innholdet i hver melding er en streng. Oppgi den faktiske samtalekonteksten og replikken du vil ha skåret, og bevar talerrollene og rekkefølgen som trengs for å tolke den. Dette er en profil for tekstskåring; forberedt dokumenttekst eller en transkripsjon kan være grunnlag, mens mediene teksten ble hentet fra, ikke i seg selv er dokumentert inndata.
For en supportinteraksjon holder du kundens forespørsel sammen med assistentens foreslåtte svar. For en agent som bruker verktøy, beholder du den relevante verktøyobservasjonen og svaret som bygget på den. En illustrerende definisjon av forankring kan spørre om assistenten hevder en konklusjon som den oppgitte observasjonen ikke støtter. Det nyttige resultatet gjelder den definerte atferden i dette utsnittet, ikke en fullstendig diagnose av hele applikasjonen.
Hvert resultat inneholder atferdens identifikator og p_present, p_absent og p_not_observable. De tre sannsynlighetene blir til sammen omtrent 1. Til stede anslår at atferden forekom; fraværende anslår at den ikke gjorde det; ikke observerbar anslår at det oppgitte utsnittet mangler grunnlaget som trengs for å avgjøre det. Dette er separate betydninger og skal holdes adskilt når resultatene tolkes.
Et utsnitt som slutter med at assistenten sier at den skal løse et problem, kan for eksempel vise et løfte. Det kan ennå ikke vise at kunden godtok den endelige løsningen hvis det ikke finnes noe svar fra kunden. Behandle et slikt resultat med manglende grunnlag som ukjent i stedet for å gjøre det om til fraværende. En lav sannsynlighet for til stede er ikke automatisk sterkt bevis for fravær når en betydelig andel av fordelingen er ikke observerbar.
Respan beskriver Span-01 som en resonnerende klassifiserer som først er trent for generell klassifisering med RLAIF og deretter spesialisert for atferdsgjenkjenning. Hver definisjon kjøres som en parallell gren over det samme sporet, og modellen returnerer atferdssannsynlighetene i ett fremoverpass. Hybrid oppmerksomhet støtter behandlingen av lange, komplekse spor. Modellen genererer ikke tokener, skriver ingen fortellende vurdering og gir ingen fritekstforklaring av klassifiseringen.
Konseptveiledningen og skåringsreferansen dokumenterer ingen øvre grense for antall atferdstyper per forespørsel. Hver definisjon er likevel en del av den oppgitte evalueringen, så hold hver av dem klar og relevant i stedet for å tolke fraværet av en antallsgrense som bevis på ubegrenset inndatakapasitet. Resultatet inneholder én oppføring per atferdstype i forespørselens rekkefølge, identifisert med sin id. Flere definisjoner beskriver flere uavhengige observasjoner; de er ikke gjensidig utelukkende kategorivalg som må summere seg til én på tvers av atferdstypene.
Kombiner de returnerte sannsynlighetene med oppgavespesifikke terskler og gjennomgangsregler utenfor modellen. Produsenten anbefaler å bruke merkede samtaler til å velge disse tersklene og å inspisere grensetilfeller for til stede eller resultater med høy verdi for ikke observerbar. En supportflyt kan registrere frustrasjon, en foreslått eskalering og et løfte uten dekning hver for seg. En flyt for agentkvalitet kan følge med på gjentatte handlinger eller på om et svar brukte grunnlaget det fikk tilgang til.
Hold tekstutsnittet, atferdsdefinisjonen, resultatidentifikatoren og den fullstendige tredelte fordelingen samlet. Når definisjonen endres, må du være klar over at det endrer hva sannsynligheten måler. Gjennomgå tilsynelatende feil mot den faktiske samtalen i stedet for å behandle et numerisk resultat som bevis på en hendelse som ikke er observert. Et nyttig resultat er en atferdsregistrering knyttet til sporet og kriteriet, med usikkerheten bevart for senere inspeksjon eller for applikasjonens neste beslutning.
", "aboutText": "Span-01 er Respans modell for atferdsskåring av samtaler og agentspor. Den leser en tekstinteraksjon sammen med atferdsdefinisjoner skrevet i vanlig språk og returnerer sannsynligheter for hver definisjon. Utdataene skiller mellom atferd som er til stede, fraværende eller ikke observerbar i det oppgitte sporet. Dette gir en evalueringsflyt et numerisk signal med en eksplisitt måte å representere manglende grunnlag på, i stedet for en generert forklaring som må tolkes.\n\n### Definer atferden du vil observere\n\nAtferdstypene oppgis av den som kaller modellen. Promptinjeksjon, udokumenterte påstander, eksponering av hemmeligheter, repeterende løkker, feil bruk av verktøy og brukerfrustrasjon er mulige definisjoner, ikke en fast taksonomi innebygd i modellen. Angi hva som teller som atferden, og hva som ikke gjør det. En smal definisjon kan skille mellom en bruker som ber om å bli overført til et menneske, og en som bare uttrykker skuffelse. En annen kan skille mellom en assistent som erkjenner et problem, og en som lover en handling den ikke kan utføre.\n\nBruk stabile identifikatorer for definisjonene, slik at resultatene forblir knyttet til atferden som vurderes. Hold kriteriet fokusert på noe sporet kan vise. Hvis atferden krever et kildedokument, et verktøyresultat eller et senere svar fra kunden, tar du med dette grunnlaget i tekstinteraksjonen der det hører hjemme. En definisjon alene kan ikke fastslå et faktum som mangler i sporet.\n\n### Forbered foregående kontekst og målreplikken\n\nDe dokumenterte inndataene skiller de foregående meldingene i span.input fra målreplikken i span.output. Innholdet i hver melding er en streng. Oppgi den faktiske samtalekonteksten og replikken du vil ha skåret, og bevar talerrollene og rekkefølgen som trengs for å tolke den. Dette er en profil for tekstskåring; forberedt dokumenttekst eller en transkripsjon kan være grunnlag, mens mediene teksten ble hentet fra, ikke i seg selv er dokumentert inndata.\n\nFor en supportinteraksjon holder du kundens forespørsel sammen med assistentens foreslåtte svar. For en agent som bruker verktøy, beholder du den relevante verktøyobservasjonen og svaret som bygget på den. En illustrerende definisjon av forankring kan spørre om assistenten hevder en konklusjon som den oppgitte observasjonen ikke støtter. Det nyttige resultatet gjelder den definerte atferden i dette utsnittet, ikke en fullstendig diagnose av hele applikasjonen.\n\n### Les tre sannsynligheter for hver definisjon\n\nHvert resultat inneholder atferdens identifikator og p_present, p_absent og p_not_observable. De tre sannsynlighetene blir til sammen omtrent 1. Til stede anslår at atferden forekom; fraværende anslår at den ikke gjorde det; ikke observerbar anslår at det oppgitte utsnittet mangler grunnlaget som trengs for å avgjøre det. Dette er separate betydninger og skal holdes adskilt når resultatene tolkes.\n\nEt utsnitt som slutter med at assistenten sier at den skal løse et problem, kan for eksempel vise et løfte. Det kan ennå ikke vise at kunden godtok den endelige løsningen hvis det ikke finnes noe svar fra kunden. Behandle et slikt resultat med manglende grunnlag som ukjent i stedet for å gjøre det om til fraværende. En lav sannsynlighet for til stede er ikke automatisk sterkt bevis for fravær når en betydelig andel av fordelingen er ikke observerbar.\n\n### Skåring i ett pass på tvers av atferdsdefinisjoner\n\nRespan beskriver Span-01 som en resonnerende klassifiserer som først er trent for generell klassifisering med RLAIF og deretter spesialisert for atferdsgjenkjenning. Hver definisjon kjøres som en parallell gren over det samme sporet, og modellen returnerer atferdssannsynlighetene i ett fremoverpass. Hybrid oppmerksomhet støtter behandlingen av lange, komplekse spor. Modellen genererer ikke tokener, skriver ingen fortellende vurdering og gir ingen fritekstforklaring av klassifiseringen.\n\nKonseptveiledningen og skåringsreferansen dokumenterer ingen øvre grense for antall atferdstyper per forespørsel. Hver definisjon er likevel en del av den oppgitte evalueringen, så hold hver av dem klar og relevant i stedet for å tolke fraværet av en antallsgrense som bevis på ubegrenset inndatakapasitet. Resultatet inneholder én oppføring per atferdstype i forespørselens rekkefølge, identifisert med sin id. Flere definisjoner beskriver flere uavhengige observasjoner; de er ikke gjensidig utelukkende kategorivalg som må summere seg til én på tvers av atferdstypene.\n\n### Forberede et nyttig evalueringsresultat\n\nKombiner de returnerte sannsynlighetene med oppgavespesifikke terskler og gjennomgangsregler utenfor modellen. Produsenten anbefaler å bruke merkede samtaler til å velge disse tersklene og å inspisere grensetilfeller for til stede eller resultater med høy verdi for ikke observerbar. En supportflyt kan registrere frustrasjon, en foreslått eskalering og et løfte uten dekning hver for seg. En flyt for agentkvalitet kan følge med på gjentatte handlinger eller på om et svar brukte grunnlaget det fikk tilgang til.\n\nHold tekstutsnittet, atferdsdefinisjonen, resultatidentifikatoren og den fullstendige tredelte fordelingen samlet. Når definisjonen endres, må du være klar over at det endrer hva sannsynligheten måler. Gjennomgå tilsynelatende feil mot den faktiske samtalen i stedet for å behandle et numerisk resultat som bevis på en hendelse som ikke er observert. Et nyttig resultat er en atferdsregistrering knyttet til sporet og kriteriet, med usikkerheten bevart for senere inspeksjon eller for applikasjonens neste beslutning.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "ecb22f9fa8856ffbece2292fceaa983c557d4049d92ec20a116db3d18a0f1907", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "respan/span-01Span-01 er Respans atferdsklassifiserer for tekst i samtaler og agentspor. Definer atferdstypene i vanlig språk, så returnerer den tre sannsynligheter for hver av dem: til stede, fraværende og ikke observerbar, og bevarer usikkerheten når det oppgitte sporet ikke kan avgjøre spørsmålet.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Span-01 er Respans modell for atferdsskåring av samtaler og agentspor. Den leser en tekstinteraksjon sammen med atferdsdefinisjoner skrevet i vanlig språk og returnerer sannsynligheter for hver definisjon. Utdataene skiller mellom atferd som er til stede, fraværende eller ikke observerbar i det oppgitte sporet. Dette gir en evalueringsflyt et numerisk signal med en eksplisitt måte å representere manglende grunnlag på, i stedet for en generert forklaring som må tolkes.
Atferdstypene oppgis av den som kaller modellen. Promptinjeksjon, udokumenterte påstander, eksponering av hemmeligheter, repeterende løkker, feil bruk av verktøy og brukerfrustrasjon er mulige definisjoner, ikke en fast taksonomi innebygd i modellen. Angi hva som teller som atferden, og hva som ikke gjør det. En smal definisjon kan skille mellom en bruker som ber om å bli overført til et menneske, og en som bare uttrykker skuffelse. En annen kan skille mellom en assistent som erkjenner et problem, og en som lover en handling den ikke kan utføre.
Bruk stabile identifikatorer for definisjonene, slik at resultatene forblir knyttet til atferden som vurderes. Hold kriteriet fokusert på noe sporet kan vise. Hvis atferden krever et kildedokument, et verktøyresultat eller et senere svar fra kunden, tar du med dette grunnlaget i tekstinteraksjonen der det hører hjemme. En definisjon alene kan ikke fastslå et faktum som mangler i sporet.
De dokumenterte inndataene skiller de foregående meldingene i span.input fra målreplikken i span.output. Innholdet i hver melding er en streng. Oppgi den faktiske samtalekonteksten og replikken du vil ha skåret, og bevar talerrollene og rekkefølgen som trengs for å tolke den. Dette er en profil for tekstskåring; forberedt dokumenttekst eller en transkripsjon kan være grunnlag, mens mediene teksten ble hentet fra, ikke i seg selv er dokumentert inndata.
For en supportinteraksjon holder du kundens forespørsel sammen med assistentens foreslåtte svar. For en agent som bruker verktøy, beholder du den relevante verktøyobservasjonen og svaret som bygget på den. En illustrerende definisjon av forankring kan spørre om assistenten hevder en konklusjon som den oppgitte observasjonen ikke støtter. Det nyttige resultatet gjelder den definerte atferden i dette utsnittet, ikke en fullstendig diagnose av hele applikasjonen.
Hvert resultat inneholder atferdens identifikator og p_present, p_absent og p_not_observable. De tre sannsynlighetene blir til sammen omtrent 1. Til stede anslår at atferden forekom; fraværende anslår at den ikke gjorde det; ikke observerbar anslår at det oppgitte utsnittet mangler grunnlaget som trengs for å avgjøre det. Dette er separate betydninger og skal holdes adskilt når resultatene tolkes.
Et utsnitt som slutter med at assistenten sier at den skal løse et problem, kan for eksempel vise et løfte. Det kan ennå ikke vise at kunden godtok den endelige løsningen hvis det ikke finnes noe svar fra kunden. Behandle et slikt resultat med manglende grunnlag som ukjent i stedet for å gjøre det om til fraværende. En lav sannsynlighet for til stede er ikke automatisk sterkt bevis for fravær når en betydelig andel av fordelingen er ikke observerbar.
Respan beskriver Span-01 som en resonnerende klassifiserer som først er trent for generell klassifisering med RLAIF og deretter spesialisert for atferdsgjenkjenning. Hver definisjon kjøres som en parallell gren over det samme sporet, og modellen returnerer atferdssannsynlighetene i ett fremoverpass. Hybrid oppmerksomhet støtter behandlingen av lange, komplekse spor. Modellen genererer ikke tokener, skriver ingen fortellende vurdering og gir ingen fritekstforklaring av klassifiseringen.
Konseptveiledningen og skåringsreferansen dokumenterer ingen øvre grense for antall atferdstyper per forespørsel. Hver definisjon er likevel en del av den oppgitte evalueringen, så hold hver av dem klar og relevant i stedet for å tolke fraværet av en antallsgrense som bevis på ubegrenset inndatakapasitet. Resultatet inneholder én oppføring per atferdstype i forespørselens rekkefølge, identifisert med sin id. Flere definisjoner beskriver flere uavhengige observasjoner; de er ikke gjensidig utelukkende kategorivalg som må summere seg til én på tvers av atferdstypene.
Kombiner de returnerte sannsynlighetene med oppgavespesifikke terskler og gjennomgangsregler utenfor modellen. Produsenten anbefaler å bruke merkede samtaler til å velge disse tersklene og å inspisere grensetilfeller for til stede eller resultater med høy verdi for ikke observerbar. En supportflyt kan registrere frustrasjon, en foreslått eskalering og et løfte uten dekning hver for seg. En flyt for agentkvalitet kan følge med på gjentatte handlinger eller på om et svar brukte grunnlaget det fikk tilgang til.
Hold tekstutsnittet, atferdsdefinisjonen, resultatidentifikatoren og den fullstendige tredelte fordelingen samlet. Når definisjonen endres, må du være klar over at det endrer hva sannsynligheten måler. Gjennomgå tilsynelatende feil mot den faktiske samtalen i stedet for å behandle et numerisk resultat som bevis på en hendelse som ikke er observert. Et nyttig resultat er en atferdsregistrering knyttet til sporet og kriteriet, med usikkerheten bevart for senere inspeksjon eller for applikasjonens neste beslutning.
POST /v1/systemonetextdecisions| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser respan/span-01 | Standard— |
Feltprovider | Typeschema | KravValgfritt | Verdier & grenser | Standard— |
Feltquestions | Typeobject | KravPåkrevd | Verdier & grenser | Standard— |
Feltsession_id | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltstate | Typeschema | KravPåkrevd | Verdier & grenser | Standard— |
Felttrace | Typeschema | KravValgfritt | Verdier & grenser | Standard— |
Feltuser | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltquestions.<id>.type | Typestring | KravPåkrevd | Verdier & grenser noul, choice, score | Standard— |
Feltquestions.<id>.instructions | Typestring|object|array | KravPåkrevd | Verdier & grenser | Standard— |
Feltquestions.<id>.criteria | Typeobject|array | KravValgfritt | Verdier & grenser Vilkår: choice/score: påkrevd; noul: valgfritt. Kriteriene for choice er et objekt; score er en matrise med minItems1. | Standard— |
Feltquestions.<id>.criteria.true | Typestring|object|array | KravPåkrevd | Verdier & grenser Gjelder når: Kriterieobjektet noul er angitt | Standard— |
Feltquestions.<id>.criteria.false | Typestring|object|array | KravPåkrevd | Verdier & grenser Gjelder når: Kriterieobjektet noul er angitt | Standard— |
noul · Påkrevd: state, questions.<id>.type=noul, questions.<id>.instructions
choice · Påkrevd: state, questions.<id>.type=choice, questions.<id>.instructions, criteria object
score · Påkrevd: state, questions.<id>.type=score, questions.<id>.instructions, criteria array with minItems1
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, state, questions |
Parametermaterial_types | Avtaletext |
Parameteroptional_controls | Avtaleprovider, session_id, trace, user |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous
Send den eksakte modell-ID-en og behold hele svaret i det opprinnelige formatet.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00004 / 1K tokener Utdata · Utgående tokener $0 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00004 / 1K tokener Utdata · Utgående tokener $0 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "respan/span-01",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='respan/span-01'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\njson
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Hvert oppgitt svar knyttet til en spørsmåls-ID bevares med sin eksakte type, noul/choice/score-verdi, konfidens, sannsynligheter og tegnforklaring. Hele det opprinnelige JSON-svaret lagres og returneres først etter oppgjør.
Behold den opprinnelige operasjonen og hele eller deler av svaret; ikke gjenta POST.
| Felt | Type |
|---|---|
Feltmodel | Typestring |
Feltid | Typestring |
Feltprovider | Typestring |
Feltanswers.<id>.type | Typestring |
Feltanswers.<id>.noul | Typenumber |
Feltanswers.<id>.choice | Typestring |
Feltanswers.<id>.score | Typenumber |
Feltanswers.<id>.confidence | Typenumber |
Feltanswers.<id>.probabilities | Typeobject |
Feltanswers.<id>.legend | Typeobject |
Feltusage.input_tokens | Typeinteger |
Feltusage.output_tokens | Typeinteger |
Feltusage.cost | Typenumber |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldig påkrevd felt, representasjon eller verdi | Neste trinnKorriger det angitte forespørselsfeltet. |
Ailoot Ultra respan/span-01
Bruk metodestiene som vises ovenfor.