기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
Amazon 빠른 채팅 설명
Amazon Quick에서 대시보드 및 데이터 세트와 채팅할 때 각 답변에는 모델이 사용한 데이터 소스, 가정, 필터, 계산 및 SQL 쿼리를 포함하여 모델이 각 수치 클레임에 도달한 방법을 보여주는 설명이 포함되어 있습니다. 원본 소스를 찾고 로직을 다시 생성하여 각 답변을 수동으로 확인하는 대신 버튼을 클릭하면 모델의 가정을 직접 볼 수 있습니다.
대시보드와 채팅
대시보드 데이터와 채팅할 때 설명을 열어 어떤 대시보드와 시트가 선택되었는지 확인합니다. 적용된 필터를 확인할 수도 있습니다. 이렇게 하면 답변이 의도와 일치하는지 확인할 수 있습니다.
예를 들어 'Test Drive Conversion' 대시보드를 열고 '어떤 전기 자동차 모델이 거의 완벽한 만족도 점수를 받았지만 변환율은 낮습니까?'라고 질문한다고 가정해 보겠습니다. 일부 자동차가 잘 주행하지만 판매가 발생하지 않는지 확인하려고 합니다. 설명을 열고 가정 섹션을 확인합니다. 차량 모델 이름 지정 용어를 사용하여 채팅에서 정의한 “전기 자동차 모델”입니다. "E"(전기) 또는 "SE"(스포츠 전기)로 끝나는 이름을 검색했습니다. 대부분의 경우 정확할 수 있지만 정확도를 보장하기 위한 가장 좋은 필드는 "vehicle_fueltype"입니다. 채팅에 "차량 연료 유형을 사용하여 전기차 식별"을 직접 입력합니다. 그런 다음 새로 고쳐지고 올바른 설명을 엽니다.
설명 구성 요소
-
에서 찾은 데이터 - 인사이트가 시작된 대시보드와 해당 시트를 표시합니다.
-
필터 - 답변에 도달하는 데 사용된 대시보드 필터 값을 나열합니다.
-
가정 - 데이터에서 직접(예: 에이전트 지침 참조) 또는 세계 지식에서 대규모 언어 모델(LLM)에서 파생된 정의를 압축 해제합니다.
-
계산 설명 - 모델이 답변에 도달하기 위해 수행한 모든 계산을 자연어와 수학 공식으로 표시합니다.
데이터 세트와 채팅
데이터 세트와 직접 채팅하면 생성된 SQL 쿼리를 볼 수 있습니다. 이러한 쿼리를 사용하여 모델이 의도를 이해했는지 확인합니다. 자동차 판매업체 예제에서 "노 쇼 요금은 얼마이며 어떤 자동차 모델이 가장 어려움을 겪고 있습니까?"라고 질문한다고 가정해 보겠습니다.
-
에서 찾은 데이터 - 인사이트가 시작된 데이터 세트를 표시합니다.
-
가정 - 데이터에서 직접(데이터 세트 수준의 설명 메타데이터 참조 등) 또는 세계 지식에서 LLM 파생 정의를 압축 해제합니다.
-
계산 설명 - 모델이 답변에 도달하기 위해 수행한 모든 계산을 자연어와 수학 공식으로 표시합니다.
-
생성된 SQL - 각 수치 클레임을 생성한 특정 SQL 쿼리를 표시합니다.
