Transforming the Voice of the Customer: Large Language Models for Identifying Customer Needs
创建于 更新于
摘要
本论文评估以专业VOC（Voice-of-the-Customer）样本对基础大模型（Vicuna 13B 等）进行监督微调（SFT）能否自动抽象出“客户需求（CNs）”。跨五项研究（不同品类与方法），SFT LLM 在质量、细化程度与基于来源的可靠性上与职业分析师不分伯仲且明显优于未微调的基础模型，且仅需中等规模模型与约数百到千级的高质量训练对即可达到近似专业水平，表明SFT更多是学会“转换（transform）”文本而非单纯记忆条目，从而使VOC规模化成为可能。[page::1][page::20][page::39]
