IMPROVING THE CAPABILITIES OF LARGE LANGUAGE MODEL BASED MARKETING ANALYTICS COPILOTS

本文是LLM系列文章，针对《IMPROVING THE CAPABILITIES OF LARGE LANGUAGE MODEL BASED MARKETING ANALYTICS COPILOTS WITH SEMANTIC SEARCH AND FINETUNING》的翻译。

摘要

人工智能（AI）被广泛应用于解决与营销归因和预算优化相关的问题。然而，人工智能模型可能非常复杂，如果没有广泛的实施团队，很难理解模型的工作原理和见解。原则上，最近开发的大型语言模型（LLM），如GPT-4，可以用于提供营销见解，减少做出关键决策所需的时间和精力。在实践中，要可靠地使用这些模型，需要克服大量挑战。我们专注于特定领域的问答、数据检索所需的SQL生成和表格分析，并展示了如何将语义搜索、提示工程和微调相结合，以显著提高LLM准确执行这些任务的能力。我们比较了GPT-4等专有模型和Llama-2-70b等开源模型，以及各种嵌入方法。这些模型在特定于营销组合建模和归因的示例用例上进行了测试。

1 引言

2 相关工作

3 方法

4 结果

5 讨论