刘延东，Connectly联合创始人兼CTO – 采访系列

刘延东 是Connectly.ai的联合创始人兼CTO。他之前曾在Strava担任CTO。刘延东曾就读于卡内基梅隆大学。

成立于2021年，Connectly 是对话式人工智能（AI）的领导者。使用专有的AI模型，Connectly的平台自动化了企业与客户之间的沟通和销售过程，支持任何消息平台。Connectly使整个客户旅程 – 从销售和营销到客户体验和支持 – 都可以在客户喜欢的消息平台上进行。

您能否分享Connectly的创立故事？

Connectly的诞生源于成为对话式AI的领导者的愿景。我的联合创始人Stefanos和我通过一个共同的朋友在创始人社区中认识，并因为对消息的未来有共同的热情而结下了深厚的友谊。凭借我在Strava和Uber领导技术团队的背景和Stefanos在Facebook Messenger方面的经验，我们出发去创造未来的人工智能基础设施，帮助企业在日益复杂的生态系统中充分利用客户的消息。

什么是小型语言模型（SLMs），它们与大型语言模型（LLMs）有什么区别？

SLMs是设计用来理解和生成人类语言的AI模型，但与大型语言模型相比，参数和计算要求更少。在AI营销解决方案的背景下，例如适用于WhatsApp和Instagram的消息平台，SLMs提供更快的响应时间，可以轻松部署在各种设备上，使其适合实时客户交互。它们较小的尺寸允许在不损害响应质量的情况下实现高效的性能。

您能否讨论SLMs如何降低幻觉的可能性并提高AI响应的可靠性？

SLMs通过专注于较小、更易于管理的参数集来降低幻觉的可能性 – 即AI生成不正确或无意义信息的实例。对于基于AI的消息营销解决方案，这种专注的方法确保了更可预测和可靠的响应，增强了客户的信任和参与度。SLMs的复杂性降低，减少了生成离题或错误内容的可能性，从而提高了AI交互的整体可靠性。

您能否解释SLMs为什么特别适合零售商，特别是在聊天机器人背景下？

由于LLMs被大量数据所喂养，因此它们通常较慢。然而，消息和对话式商务需要更快的响应时间，以更好、更准确地服务客户。对于零售商，SLMs更实用、更有益，因为它们可以在零售行业提供更详细的信息。另外，SLMs通常更便宜，因为它们更灵活，这意味着每个零售公司，从小型初创企业到大型在线零售商，都可以利用它们。

SLMs如何为客户提供比LLMs更个性化的体验？

SLMs通过更容易针对特定任务和领域进行微调，为客户提供更个性化的体验。它们的较小尺寸允许更快、更高效的定制，使企业能够根据客户的独特需求和偏好量身定制模型。这种专注的定制导致了更相关、更个性化的交互，增强了客户体验。

Connectly如何将SLMs集成到其平台中以增强电子商务功能？

我们将SLMs集成到我们的平台中，以利用它们的效率和适应性。这些模型使客户能够在WhatsApp和Instagram等消息平台上进行快速、准确的客户交互，提供个性化的产品推荐和即时客户支持。SLMs的轻量级性质确保响应速度快、相关性高，提高了整体客户体验和参与度。

您能否提供一些零售商成功实施SLMs的具体例子？

我们的客户在SLMs方面取得了巨大的成功。 一家时尚零售商正在使用SLMs通过WhatsApp提供个性化的造型建议，根据客户的以前购买和偏好推荐服装。同样，一家电子产品零售商在Instagram上部署了SLMs，以实时回答客户关于产品功能和可用性的问题，增强了购物体验并减轻了客户服务团队的负担。

为什么零售商应该考虑从LLMs转向SLMs用于其特定业务应用？

零售商应该考虑从LLMs转向SLMs用于其特定业务应用，因为SLMs具有更高的效率和成本效益。SLMs更快，需要的计算能力较少，可以轻松针对特定任务进行微调，使其适合实时客户交互。这种转变可以带来更快速、更个性化的客户服务，同时降低运营成本。

您最期待SLM技术的哪些未来发展？

我最期待SLM技术的发展，这将进一步提高其效率和准确性。例如，迁移学习和微调技术的改进将使SLMs能够在最少的数据下成为特定任务的专家。另外，SLMs与多模态功能的集成 – 将文本、语音和图像数据相结合 – 将在WhatsApp和Instagram等平台上实现更丰富、更具交互性的客户体验。这些发展将使SLMs对零售商来说更加有价值，他们希望提供个性化和吸引人的客户交互。

您如何看待SLMs在零售行业的采用在未来几年内的演变？

我认为SLMs在零售行业的采用将会显著增长。随着零售商继续寻找更高效、更具成本效益的方式与客户互动，SLMs的速度和适应性将变得越来越有价值。SLMs将被更广泛地集成到客户服务平台、营销活动和个性化购物体验中，甚至在TikTok等消息应用程序上。这一转变将帮助零售商提供更快、更个性化的交互，提高客户满意度和忠诚度。

感谢这次精彩的采访，希望了解更多的读者可以访问Connectly。