Microsoft представи базирани на AI инструменти за задълбочени изследвания“ в

...
Microsoft представи базирани на AI инструменти за задълбочени изследвания“ в
Коментари Харесай

Microsoft добавя инструменти за дълбоко проучване в базирания на AI Copilot

Microsoft показа основани на AI принадлежности за „ задълбочени проучвания “ в чатбота Microsoft 365 Copilot — Researcher и Analyst.

Наскоро бяха пуснати редица сътрудници за надълбоко изследване от чатовете, в това число ChatGPT на OpenAI, Gemini на Гугъл и Grok на xAI. Те са основани на по този начин наречените интелигентни AI-модели, които имат способността да обмислят проблемите и да ревизират обстоятелствата сами.

Researcher ви оказва помощ да вършиме комплицирани, многоетапни проучвания, до момента в който работите. Той съчетава дълбокия проучвателен модел на OpenAI с разширена оркестровка и опциите за надълбоко търсене на Microsoft 365 Copilot, сподели Microsoft.

Researcher може да се употребява за:

основаване на подробна тактика за излизане на пазара въз основа на подтекста на всички ваши оперативни данни и по-широки конкурентни данни от мрежата; идентифициране на опциите за нови артикули въз основа на зараждащи трендове и вътрешни данни; основаване на обстоен тримесечен доклад за потребителски обзор, описващ работата досега дружно с последния разбор на пазара.

Освен това Researcher може да употребява данни от трети страни посредством конектори, с цел да разшири опциите и да даде по-богата информация, което ви разрешава да интегрирате данни от външни източници като Salesforce, ServiceNow, Confluence и други непосредствено в Microsoft 365 Copilot. Може даже да получава данни посредством други сътрудници, като да вземем за пример Sales Chat.

„ Analyst мисли като подготвен експерт по данни, тъй че за минути можете да преминете от необработени данни към прозрения “ — изяснява Microsoft.

Инструментът е построен върху модела за размишление o3-mini на OpenAI и е усъвършенстван за осъществяване на уголемен разбор на данни на работното място.

Анализаторът минава итеративно през проблемите, предприемайки стъпки за възстановяване на своето „ мислене “ и дава подробни отговори на запитванията.

Може също по този начин да извършва Python за решение на най-сложните поръчки за данни — можете да видите изпълнявания код в действително време и да ревизирате неговата успеваемост.

Източник: kaldata.com


СПОДЕЛИ СТАТИЯТА


КОМЕНТАРИ
НАПИШИ КОМЕНТАР