EU Data

dialogflow cx 解析器调用 api 来解图形。这使得 botsim 能够自动探索对话路径并生成涵盖这些路径的多意图对话。结合意图释义，可以对多意图目标实例进行筛选，以便通过对话模拟对 dialogflow cx 机器人进行端到端部署前评估。

结果

通过之前的案例研究，我们表明 botsim 简化的“生成-模拟-修复”范式显著加速了商业聊天机器人的开发和评估。

除了加快机器人测试流程外，botsim 还可以拓宽测试范围。dialogflow cx 示例就是一个很好的例子：与机器人内置的 70 多个测试对话相比，botsim 总共生成并模拟了 4935 个对话——这表明它能够极大地扩展商业聊天机器人的测试范围。

然后，机器人从业者可以使用修复器仪表板和内置分析面板来衡 哥斯达黎加 whatsapp 移动数据库​ 量机器人性能并识别机器人设计或模型相关的问题。

影响

我们认为 botsim 带来了许多积极影响：

* 通过大幅加速商业机器人的开发和评估，botsim 的范式应该能够减少人力投入、成本并缩短产品上市时间。
* 其输出的可操作见解和建议对机器人从业者排除故障并改进其机器人模型非常有价值。
* botsim 可以轻松部署在本地，也可以作为 heroku 应用部署，其易于使用的界面可以降低机器人管理员和其他机器人从业者等用户的学习曲线。
* 这款易于部署且易于使用的应用程序显著降低了执行部署前机器人评估的门槛。

然而，也存在潜在的负面影响：

* 本研究中使用的基于预训练语言模型的释义器（基于 t5）经过预训练和微调，使用了从网络上抓取的大量文本语料库，因此可能存在偏差。
* 这些偏差甚至可能传播到生成的释义中，从而对这些刻板印象的主体造成伤害。
* 虽然释义模型仅用于生成测试意图查询，但建议 botsim 用户考虑这些道德问题，并可能希望手动检查或以其他方式过滤生成的释义。