В этом посте мы исследуем, как Crypto.com использовала обратную связь от пользователей и системы для непрерывного улучшения и оптимизации наших инструкционных запросов. Этот подход, основанный на обратной связи, позволил нам создать более эффективные запросы, которые адаптируются к различным подсистемам, сохраняя высокую производительность в различных сценариях использования.
aws.amazon.com
Optimizing enterprise AI assistants: How Crypto.com uses LLM reasoning and feedback for enhanced efficiency
