Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Spiegazioni rapide della chat di Amazon
In Amazon Quick, quando chatti con dashboard e set di dati, ogni risposta include una spiegazione che mostra come il modello è arrivato a ciascuna dichiarazione numerica, incluse le fonti di dati, le ipotesi, i filtri, i calcoli e le query SQL utilizzate dal modello. Invece di verificare manualmente ogni risposta trovando la fonte originale e ricreando la logica, puoi visualizzare direttamente le ipotesi del modello con un semplice clic.
Chatta con le tue dashboard
Quando chatti con i dati della dashboard, apri la Spiegazione per vedere quali dashboard e fogli sono stati selezionati. Puoi anche vedere quali filtri sono stati applicati. Questo ti aiuta a verificare se la risposta corrisponde al tuo intento.
Ad esempio, supponete di aprire la dashboard «Test Drive Conversion» e di chiedere «quali modelli di auto elettriche hanno un punteggio di soddisfazione quasi perfetto ma un tasso di conversione basso?» Volete vedere se alcune auto sono testate bene ma non portano a una vendita. Apri la Spiegazione e controlla la sezione Ipotesi. La chat ha definito il «modello di auto elettrica» utilizzando la terminologia di denominazione dei modelli di veicolo. Ha cercato i nomi che terminavano con «E» (elettrico) o «SE» (elettrico sportivo). Sebbene ciò possa essere corretto nella maggior parte dei casi, il campo migliore per garantire la precisione è «vehicle_fueltype». Lo digiti direttamente nella chat: «usa il tipo di carburante del veicolo per identificare le auto elettriche». Quindi apri la Spiegazione aggiornata e corretta.
Componenti esplicativi
-
Dati trovati in: visualizza i dashboard e i fogli corrispondenti da cui provengono le informazioni.
-
Filtri: elenca i valori dei filtri della dashboard utilizzati per arrivare alla risposta.
-
Ipotesi: decomprime qualsiasi definizione derivata dal modello di linguaggio di grandi dimensioni (LLM) direttamente dai dati (come le istruzioni degli agenti di riferimento) o dalla conoscenza mondiale.
-
Spiegazione del calcolo: mostra tutti i calcoli eseguiti dal modello per arrivare alla risposta, presentati sia in linguaggio naturale che come formula matematica.
Chatta con i tuoi set di dati
Quando chatti direttamente con i tuoi set di dati, puoi vedere le query SQL che vengono generate. Usa queste query per verificare che il modello abbia compreso il tuo intento. Nell'esempio del concessionario di auto, supponete di chiedere «qual è la percentuale di mancata presentazione e quale modello di auto ne risente di più?»
-
Dati trovati in: visualizza i set di dati da cui provengono le informazioni.
-
Ipotesi: estrapola qualsiasi LLM-derived definizione direttamente dai dati (ad esempio facendo riferimento a metadati descrittivi a livello di set di dati) o dalla conoscenza mondiale.
-
Spiegazione del calcolo: mostra tutti i calcoli eseguiti dal modello per arrivare alla risposta, presentati sia in linguaggio naturale che come formula matematica.
-
SQL generato: visualizza la query SQL specifica che ha prodotto ogni affermazione numerica.
