我们构建了一个评分模型，评估的是演讲表达而非仅文稿，以下是它在真实演讲中发现的内容
摘要
一个使用Inter-1实时评分演讲表达信号（自信、犹豫、能量）及内容分数的产品演示，在真实演讲中测试时，它捕捉到了一次关于牵引力数据的犹豫。
继我们之前的Inter-1流式工作之后（部分读者可能看过我们早前关于发现幻觉错误的文章）。这次是一个产品演示而非研究论文。核心思路：基于文稿的演讲评分无法区分自信陈述和委婉陈述，因为纸面上的文字可以完全相同。“我们每月增长40%”无论你信不信，读起来都一样。我们构建了一个演示，将视频实时传输到Inter-1，并评分表达信号（自信、犹豫、能量）和内容分数，每个信号都与其发生的具体时刻绑定。我用我自己的演讲进行了测试。内容得分87分。表达捕捉到了一次犹豫，正好落在牵引力数据上，自信度50分，总分降至80分。更多详情请点击：https://www.interhuman.ai/blog/pitch-practice-demo
相似文章
PitchDrop.ai
PitchDrop.ai 是一款全新的人工智能驱动工具，旨在作为演示文稿的提案顾问。
1752vc Pitch Deck 分析器
1752vc Pitch Deck 分析器提供AI驱动的反馈，针对初创企业路演演示文稿，基于超过25,000份真实演示文稿训练，帮助创业者在联系投资者之前识别可融资性问题。
xPitch
xPitch是一款为休闲球员提供足球比赛分析的移动应用，类似于足球界的Strava。
我开始用AI来反驳我的销售说辞，而不是改进它
一位用户分享了他们使用AI工具模拟买家角色并挑战自己的销售说辞的经验，从而为实际销售电话做了更好的准备。
@josephdecker: 我的16款模型评测中，冠军在审计中被发现编造了5次。第二名仅差0.1分，零编造……
Joseph Decker 为他的产品 Condensr 评估了16个AI模型的真实性，发现排行榜冠军在审计中五次编造内容，于是转而部署了零编造的第二名模型。这篇文章详细介绍了评估过程、LLM判断器中的一个漏洞（由于截断的转录而惩罚了准确的摘要），以及自定义评估优于通用基准的重要性。