预测意图需要的不仅仅是一个大型语言模型

背景
预测人类行为一直是人工智能领域的一个挑战，尤其是在个人化决策方面。近年来，大型语言模型（LLM）在自然语言处理方面取得了巨大的成功，但是其在预测人类行为方面的能力仍然存在局限性。Yobi 公司的 CTO Frank Portman 指出，仅靠大型语言模型无法准确预测人类行为，需要更复杂的方法。

什么是预测意图
预测意图是指预测用户的行为或决策，例如推荐系统、个性化广告等。传统的方法通常使用大型语言模型来预测下一个token，但是这种方法存在局限性，无法准确捕捉人类行为的复杂性。Yobi 公司提出的方法是使用变换器和图神经网络构建行为基础模型，这种方法可以更好地捕捉人类行为的复杂性。

解决了什么问题、关键亮点
Yobi 公司的方法解决了大型语言模型在预测人类行为方面的局限性。使用变换器和图神经网络可以更好地捕捉人类行为的复杂性，例如用户的历史行为、社交网络等。这种方法可以实现更准确的预测，提高推荐系统和个性化广告的效果。另外，Yobi 公司的方法还可以保持用户数据的隐私，这是当前人工智能领域的一个重要问题。

适合谁、对行业意味着什么
Yobi 公司的方法适合需要预测人类行为的企业，例如电子商务、社交媒体等。这种方法可以帮助企业更好地了解用户的行为，提供更准确的推荐和个性化服务。对行业来说，Yobi 公司的方法意味着可以更好地利用人工智能技术来提高企业的效率和竞争力。

编辑观点
Yobi 公司的方法是当前人工智能领域的一个重要创新，解决了大型语言模型在预测人类行为方面的局限性。使用变换器和图神经网络可以更好地捕捉人类行为的复杂性，提高推荐系统和个性化广告的效果。然而，需要注意的是，这种方法仍然存在一些局限性，例如需要大量的数据和计算资源。另外，保持用户数据的隐私也是一个重要的问题，需要企业和研究机构共同努力来解决。总的来说，Yobi 公司的方法是人工智能领域的一个重要进步，具有广阔的应用前景和潜力。