വാലിഡേഷൻ സെറ്റുകൾ: ഡിപ്ലോയ് ചെയ്യുന്നതിന് മുമ്പ് യഥാർത്ഥ കോൾ ടേണുകൾ വീണ്ടും പ്ലേ ചെയ്യുക
ഒരു വാലിഡേഷൻ ഉദാഹരണം യഥാർത്ഥ കോളിൽ നിന്നുള്ള ഒരു ഏജന്റ് ടേണിനെ സ്ഥിരമാക്കുന്നു: അതിന് മുമ്പുള്ള സംഭാഷണം, പ്രസക്തമായ വിളിക്കുന്നയാളുടെ ഓഡിയോ, ഏജന്റ് യഥാർത്ഥത്തിൽ ചെയ്തത്, അത് ചെയ്യേണ്ടതിന്റെ ഗ്രൗണ്ട് ട്രൂത്ത് എന്നിവ. നിലവിലെ ഡ്രാഫ്റ്റിനെതിരെ ഒരു സെറ്റ് റീപ്ലേ ചെയ്യുന്നത് മറ്റൊരു കോൾ ചെയ്യാതെയാണ് റെഗ്രഷനുകൾ കണ്ടെത്തുന്നത്.
ഡാറ്റാസെറ്റ് നിർമ്മിക്കാനും അവലോകനം ചെയ്യാനും സ്ഥാപനതലത്തിലുള്ള വാലിഡേഷൻ സെറ്റുകൾ പേജ്
(/dashboard/validation) ഉപയോഗിക്കുക. സെറ്റ് പ്രവർത്തിപ്പിക്കാനും റൺ ചരിത്രം പരിശോധിക്കാനും ഓരോ
ഏജന്റിന്റെയും വാലിഡേഷൻ ടാബ് ഉപയോഗിക്കുക.
കോൾ ചരിത്രത്തിൽ നിന്ന് ഉദാഹരണങ്ങൾ ചേർക്കുക
- ഉദാഹരണങ്ങൾ ചേർക്കുക തിരഞ്ഞെടുക്കുക
ഉദാഹരണം സാധൂകരിക്കേണ്ട പെരുമാറ്റമുള്ള ഏജന്റിനെ തിരഞ്ഞെടുക്കുക. ആ ഏജന്റിനായുള്ള സമീപകാല സിമുലേഷൻ അല്ലാത്ത പരമാവധി 25 കോളുകൾ വർക്ക്സ്പേസിൽ കാണിക്കും.
- ഒരു കോളും ഏജന്റ് ടേണും തിരഞ്ഞെടുക്കുക
ട്രാൻസ്ക്രിപ്റ്റ് വായിക്കുക, സൂക്ഷിക്കേണ്ട ഏജന്റ് ടേണിൽ ഹോവർ ചെയ്യുക, തുടർന്ന് ചെക്ക്ലിസ്റ്റ് പ്രവർത്തനം തിരഞ്ഞെടുക്കുക. ആ ടേൺ വരെയുള്ള സംഭാഷണവും അതിന്റെ വിളിക്കുന്നയാളുടെ ഓഡിയോ ഭാഗങ്ങളും വാലിഡേഷൻ ഡാറ്റാസെറ്റിലേക്ക് പകർത്തപ്പെടും.
- പ്രതീക്ഷിച്ച ഫലം അവലോകനം ചെയ്യുക
ശരിയായ പെരുമാറ്റത്തിന്റെ ഒരു വിവരണം ThunderPhone ഡ്രാഫ്റ്റ് ചെയ്യുന്നു. അത് വ്യക്തവും പരിശോധിക്കാവുന്നതുമാക്കാൻ തിരുത്തുക. വേണമെങ്കിൽ അംഗീകരിച്ച ഉദാഹരണ പ്രതികരണവും പ്രതീക്ഷിക്കുന്ന ടൂൾ കോളുകളും തിരുത്തുക.
- സംരക്ഷിക്കുക അല്ലെങ്കിൽ സജീവമാക്കുക
ഡ്രാഫ്റ്റ് സംരക്ഷിക്കുക ഉദാഹരണത്തെ അവലോകനം ആവശ്യമാണ് എന്ന നിലയിൽ നിലനിർത്തും. സംരക്ഷിച്ച് സജീവമാക്കുക ഭാവിയിലെ വാലിഡേഷൻ റണ്ണുകളിൽ അത് ഉൾപ്പെടുത്തും.
ഒരേ ടേൺ രണ്ടുതവണ പ്രൊമോട്ട് ചെയ്യുമ്പോൾ രണ്ട് പകർപ്പുകൾ സൃഷ്ടിക്കുന്നതിനുപകരം നിലവിലുള്ള ഉദാഹരണം പുനരുപയോഗിക്കും.
ഉദാഹരണ തരങ്ങളും നിലകളും
ഒരു ഉദാഹരണം എന്തിനാണ് ഉള്ളതെന്ന് തരങ്ങൾ വിവരിക്കുന്നു:
| തരം | ഉപയോഗം |
|---|---|
| പരാജയം | തടയാൻ ആഗ്രഹിക്കുന്ന പെരുമാറ്റം വെളിപ്പെടുത്തിയ ഒരു യഥാർത്ഥ പ്രതികരണം. |
| ഗോൾഡൻ | സംരക്ഷിച്ചുവെക്കേണ്ട അറിയപ്പെടുന്ന നല്ല പ്രതികരണം. |
| മാനുവൽ | ഈ രണ്ട് വിഭാഗങ്ങളിലൊന്നിലും പെടാത്ത, മാനുവലായി ക്യൂറേറ്റ് ചെയ്ത കേസ്. |
നിലകൾ ലൈഫ്സൈക്കിൾ നിയന്ത്രിക്കുന്നു:
| നില | അർത്ഥം |
|---|---|
| അവലോകനം ആവശ്യമാണ് | ഗ്രൗണ്ട് ട്രൂത്ത് ഇപ്പോഴും അവലോകനത്തിലാണ്; റണ്ണുകളിൽ നിന്ന് ഒഴിവാക്കിയിരിക്കുന്നു. |
| സജീവം | വാലിഡേഷൻ റണ്ണുകളിൽ ഉൾപ്പെടുത്തിയിരിക്കുന്നു. |
| കാലഹരണപ്പെട്ടത് | ഉദാഹരണം സ്ഥിരമാക്കിയതിന് ശേഷം prompt മാറിയിരിക്കുന്നു; അതിന്റെ പ്രതീക്ഷിച്ച ഫലം അവലോകനം ചെയ്യുക. |
| പൊരുത്തമില്ലാത്തത് | നിലവിലെ കോൺഫിഗറേഷനിൽ ഉദാഹരണം റീപ്ലേ ചെയ്യാനാവില്ല. |
| ആർക്കൈവ് ചെയ്തത് | ചരിത്രത്തിനായി സംരക്ഷിച്ചിരിക്കുന്നു, പക്ഷേ റണ്ണുകളിൽ നിന്ന് ഒഴിവാക്കിയിരിക്കുന്നു. |
ഡാറ്റാസെറ്റ് ബ്രൗസ് ചെയ്ത് മെച്ചപ്പെടുത്തുക
സ്ഥാപന ഡാറ്റാസെറ്റ് ഏജന്റ്, നില, അല്ലെങ്കിൽ തരം പ്രകാരം ഫിൽട്ടർ ചെയ്യുക. ഒരു ഉദാഹരണം തിരഞ്ഞെടുക്കുമ്പോൾ കാണുന്നത്:
- സ്ഥിരമാക്കിയ സംഭാഷണ സന്ദർഭവും പ്ലേ ചെയ്യാവുന്ന വിളിക്കുന്നയാളുടെ ഓഡിയോ ഭാഗങ്ങളും.
- ഉറവിട കോളും യഥാർത്ഥ പ്രതികരണവും.
- ഗ്രൗണ്ട്-ട്രൂത്ത് പ്രതീക്ഷ, അംഗീകരിച്ച സംസാര പ്രതികരണം, ടൂൾ കോളുകൾ.
- യഥാർത്ഥവും പ്രതീക്ഷിച്ചതുമായ പെരുമാറ്റത്തിനൊപ്പം ഏറ്റവും പുതിയ റീപ്ലേ.
- ലഭ്യമാകുമ്പോൾ ഏറ്റവും പുതിയ വിധിയും ജഡ്ജിന്റെ വിശദീകരണങ്ങളും.
പ്രതീക്ഷയോ അംഗീകരിച്ച പ്രതികരണമോ പരിഷ്കരിക്കാൻ ഗ്രൗണ്ട് ട്രൂത്ത് എഡിറ്റ് ചെയ്യുക തിരഞ്ഞെടുക്കുക. പൂർണ്ണ റൺ ആരംഭിക്കാതെ ആ ഉദാഹരണം മാത്രം പരിശോധിക്കാൻ ഡ്രാഫ്റ്റിനെതിരെ റീപ്ലേ ചെയ്യുക തിരഞ്ഞെടുക്കുക. റീപ്ലേകൾ ഏജന്റിന്റെ നിലവിലെ ഡ്രാഫ്റ്റാണ് ഉപയോഗിക്കുന്നത്; നിർബന്ധമായും അതിന്റെ ഡിപ്ലോയ് ചെയ്ത കോൺഫിഗറേഷൻ ആയിരിക്കണമെന്നില്ല.
ഒരു വാലിഡേഷൻ സെറ്റ് പ്രവർത്തിപ്പിക്കുക
ഏജന്റിന്റെ വാലിഡേഷൻ ടാബിൽ നിന്ന്, എല്ലാ സജീവ ഉദാഹരണങ്ങളിലും ഒരു റൺ ആരംഭിക്കുക. ഓരോ ഉദാഹരണത്തിനും ഈ വിധികളിലൊന്ന് ലഭിക്കും:
- പാസ് — പ്രതികരണം പ്രതീക്ഷയും വിളിക്കുന്നയാളുടെ ഓഡിയോയും പാലിക്കുന്നു.
- മുന്നറിയിപ്പ് — പ്രതികരണം ഉപയോഗിക്കാവുന്നതാണ്, പക്ഷേ ഒരു പരിശോധന അനിശ്ചിതത്വം കണ്ടെത്തി.
- പരാജയം — അത് ഓഡിയോയുമായി വിരുദ്ധമാണ് അല്ലെങ്കിൽ ആവശ്യമായ പെരുമാറ്റം നഷ്ടപ്പെടുത്തുന്നു.
- ഒഴിവാക്കി — ആവശ്യമായ വിളിക്കുന്നയാളുടെ ഓഡിയോ ലോഡ് ചെയ്യാനായില്ല; അത് പാസ്-റേറ്റ് ഹരത്തിൽ നിന്ന് ഒഴിവാക്കപ്പെടും.
- പിശക് — റീപ്ലേയോ ഗ്രേഡിംഗോ പൂർത്തിയാക്കാനായില്ല.
റൺ സംഗ്രഹം പാസ്, മുന്നറിയിപ്പ്, പരാജയം, ഒഴിവാക്കിയവ എന്നിവയുടെ എണ്ണം, പാസ് നിരക്ക്, കണക്കാക്കിയ ചെലവ്, കൂടാതെ മുമ്പത്തെ പൂർത്തിയായ റൺ മുതൽ പാസിൽ നിന്ന് പരാജയത്തിലേക്കുള്ള ഏതെങ്കിലും റെഗ്രഷൻ എന്നിവ റിപ്പോർട്ട് ചെയ്യുന്നു. ഒരു സമയത്ത് ഓരോ ഏജന്റിനും ഒരു വാലിഡേഷൻ റൺ മാത്രമേ സജീവമാകൂ.
വാലിഡേഷൻ തെളിവോടെ ഡിപ്ലോയ് ചെയ്യുക
ഒരു ഏജന്റിന് വാലിഡേഷൻ ഉദാഹരണങ്ങൾ ഉണ്ടെങ്കിൽ, ഏറ്റവും പുതിയ പൂർത്തിയായ റൺ നിലവിലെ ഡ്രാഫ്റ്റിനോട് പൊരുത്തപ്പെടുന്നുണ്ടോ എന്ന് ഡിപ്ലോയ് ഡയലോഗ് റിപ്പോർട്ട് ചെയ്യും. നിങ്ങൾക്ക് ഇവ ചെയ്യാം:
- പ്രദർശിപ്പിച്ച പാസ് നിരക്കും റെഗ്രഷൻ എണ്ണവും ഉപയോഗിച്ച് ഡിപ്ലോയ് ചെയ്യുക.
- പൊരുത്തപ്പെടുന്ന റൺ ഇല്ലെങ്കിൽ ആദ്യം വാലിഡേഷൻ പ്രവർത്തിപ്പിക്കുക.
- ഫലം അവലോകനം ചെയ്തിട്ടുണ്ടെങ്കിൽ മനഃപൂർവം എങ്കിലും ഡിപ്ലോയ് ചെയ്യുക.
വാലിഡേഷൻ തെളിവും ഡിപ്ലോയ്മെന്റ് പരിശോധനയുമാണ്; സ്വയമേവയുള്ള പ്രൊഡക്ഷൻ ട്രാഫിക് വിഭജനമല്ല. തത്സമയ താരതമ്യങ്ങൾക്കായി, പരീക്ഷണങ്ങൾ (A/B പരിശോധന) ഉപയോഗിക്കുക.
API ഓട്ടോമേഷൻ
Validation Sets API-യിൽ ടേണുകൾ പ്രൊമോട്ട് ചെയ്യൽ, ഉദാഹരണങ്ങൾ നിയന്ത്രിക്കൽ, പിൻ ചെയ്ത ഓഡിയോ സ്ട്രീം ചെയ്യൽ, വ്യക്തിഗത റീപ്ലേകൾ, ബാച്ച് റണ്ണുകൾ, റൺ ഫലങ്ങൾ, ഡിപ്ലോയ് സമയത്തെ സ്റ്റാറ്റസ്, ഓർഗനൈസേഷൻ അവലോകനം എന്നിവ ഉൾപ്പെടുന്നു.