详细内容或原文请订阅后点击阅览
基于LLM的方法用于审查App Store上的摘要
评分和评论是探索应用程序商店中应用程序的用户的宝贵资源，提供了有关其他人如何体验应用程序的见解。通过iOS 18.4中的评论摘要，用户可以快速获得其他用户对应用程序的看法的高级概述，同时仍然可以选择介绍个人评论以获取更多详细信息。此功能由一个新颖的基于LLM的新型系统提供动力，该系统会定期汇总用户评论。我们生成评论摘要的目标是确保它们具有包容性，平衡并准确地反映用户的声音。到…
来源:Apple机器学习研究评分和评论是探索应用程序商店中应用程序的用户的宝贵资源，提供了有关其他人如何体验应用程序的见解。通过iOS 18.4中的评论摘要，用户可以快速获得其他用户对应用程序的看法的高级概述，同时仍然可以选择介绍个人评论以获取更多详细信息。此功能由一种新颖的基于LLM的新型系统提供动力，该系统会定期总结用户评论。
我们制作评论摘要的目标是确保它们具有包容性，平衡并准确反映用户的声音。为了实现这一目标，我们遵守简易质量的关键原则，优先考虑安全性，公平性，真实性和乐于助人。
总结众包用户评论提出了几个挑战，我们每个挑战都为提供准确的高质量摘要提供了这些挑战，这些摘要对用户有用：
- 及时性：由于新的版本，功能和错误修复，应用程序评论不断变化。摘要必须动态适应以保持相关性并反映最新的用户反馈。多样性：评论的长度，样式和信息性各不相同。摘要需要捕获这种多样性，以提供详细的和高级见解而不会失去细微差别。准确：并非所有评论都专门针对应用程序的经验，有些评论可以包括非主题评论。摘要需要过滤噪声以产生可信赖的摘要。