Related Resources
生成式人工智能/大语言模型

Amdocs 使用 NVIDIA NIM 加速世代 AI 性能并降低成本

2024年 5月 8日
By , , , , , and

电信公司（telcos）正在利用生成人工智能，通过自动化流程、改善客户体验和优化网络运营来提高员工生产力。

Amdocs 是一家领先的通信和媒体提供商软件和服务提供商，为电信公司构建了 amAIz，这是一个特定领域的生成人工智能平台，是一个开放、安全、经济高效且与大型语言模型（LLM）无关的框架。Amdocs 正在利用 NVIDIA DGX Cloud 和 NVIDIA AI Enterprise 软件，提供基于商用 LLM 的解决方案，以及适用于特定领域的模型，使服务提供商能够构建和部署企业级生成人工智能应用程序。

Amdocs 也在使用 NVIDIA NIM，一组易于使用的推理微服务，旨在加速生成型人工智能在企业中的大规模部署。该多功能微服务支持来自开放社区模型和 NVIDIA AI Foundation 模型的 NVIDIA API 产品目录 中的模型，以及自定义的人工智能模型。NIM 旨在以最高吞吐量和最低延迟促进无缝人工智能推理，同时保持预测的高准确性。

客户计费用例

在电信公司联络中心，计费查询代表了大量的客户电话。他们寻求解释，因为各种操作可能会影响他们的账单，包括客户的移动计划、促销期结束或意外收费。

Amdocs 正在开发一种基于 LLM 的解决方案，该解决方案旨在通过对账单问题提供即时准确的解释来帮助客户。该解决方案旨在减少客户服务代理的工作量，使他们能够专注于更复杂的任务。

图 1 显示了从数据收集和准备到 LLM 微调，再到参数有效技术再到评估的整个过程。

Diagram flows from anonymized billing care and anonymized customer agent transcripts through scenario and intent classification and filtering, bill care q&a generation, and annotations to create the billing care q&a dataset.
图 1。从数据收集和准备到 LLM 微调和评估的总体流程

数据收集和准备 

为了解决这个问题，他们从匿名的通话记录和账单中创建了一个新的数据集，由电信客户服务专家标记。该数据集包含数百个注释问题和答案，这些问题和答案被分类到相关场景中。大部分数据用于微调，性能在一个小测试集（几十个样本）上报告。

表 1 显示了所收集数据的一个示例。该问题与计费更改有关，注释的答案基于历史客户账单。

身份证件 相关法案 帐户 ID 注释性问题 最终答案（“标签”） 注释场景
id_1 [‘id_12345.2311’，’id_1345.2310’] id_12345 我注意到最近我的账单增加了。你能解释一下为什么会发生这种事吗？ 您的账单已从 10 月的 100.02 美元增加到 11 月的 115.02 美元，主要是由于您的互联网服务的促销积分到期。以下是详细信息：
–您的互联网信用额度从 10 月的-75.00 美元降至 11 月的-60.00 美元		 促销已过期
表 1。移动计划促销到期场景的收集数据示例

在这个过程中，Amdocs 使用 OpenAI GPT-4 LLM 作为一种工具来过滤转录本并将转录本分类到场景中。然后，LLM 被用于生成潜在的问答对，这些问答对被领域专家重新访问和标记。

数据格式和提示工程 

作为基线，Amdocs 使用 Llama2-7b-chat、Llama2-13b-chat 和 Mixtral-8x7b LLM 来增强具有意向分类和账单问答功能的客户服务聊天机器人。Amdocs 设计了带有说明的提示，其中包括目标账单（原始 XML 格式的连续一到两个计费月）和问题。

基线 LLM 和零样本或少热点推理的初始实验表现不佳，主要是由于从客户账单中提取相关信息的复杂性。此外，原始 XML 格式需要详细说明 LLM 的计费格式。因此，由于某些 LLM（例如，Llama2 的 4K 代币）的最大上下文长度的限制，Amdocs 在将账单和指令纳入提示中时面临挑战。

为了适应上下文窗口，Amdocs 的第一项工作是减少提示中的计费格式说明。图 2 显示了使用 Llama2 代币化器，重新格式化的纸币从 3909 个代币减少到 1153 个代币的平均代币减少情况。

Histogram shows the number of tokens per bill for a test data set consisting of “Initial Format” in Raw XML and “Reformatted” in “JSON/Markdown”.
图 2:使用新的计费格式减少了代币数量

NVIDIA DGX Cloud 上的 LLM 微调 

由于注释数据量有限，Amdocs 探索了参数有效微调（PEFT）方法，如低秩自适应（LoRA）。他们用两种基础 LLM 架构（Llama2 和 Mixtral）进行了几次微调实验，探索了一到两个时期的几个 LoRA 超参数。

Amdocs 的实验是在 NVIDIA DGX Cloud 上进行的，这是一个面向开发者的端到端人工智能平台，提供基于最新 NVIDIA 架构的可扩展容量，并与世界领先的云服务提供商共同设计。Amdocs 使用的 NVIDIA DGX Cloud 实例包含以下组件：

  • 8x NVIDIA A100 80GB Tensor Core GPU
  • 88 个 CPU 核心
  • 1 TB 系统内存

在多 GPU 设置上执行微调周期，导致每个周期不到一个小时。

使用 NVIDIA NIM 部署 LLM

NVIDIA NIM 基于 NVIDIA Triton 推理服务器 和使用 TensorRT-LLM 对 NVIDIA GPU 上的 LLM 推断进行优化。NIM 通过预先优化的推理容器实现了无缝的人工智能推理，这些容器开箱即用，在加速的基础设施上提供尽可能好的延迟和吞吐量，同时保持预测的准确性。无论是在本地还是在云中，NIM 都提供了以下优势：

  • 简化人工智能应用程序开发
  • 为最新生成的人工智能模型预先配置的容器
  • 通过服务级别协议提供企业支持，并定期更新 CVE 的安全性
  • 支持最新的社区最先进的 LLM
  • 成本效益和性能

对于该应用程序，Amdocs 使用自托管的 NVIDIA NIM 实例来部署经过微调的 LLM。他们公开了类似 OpenAI 的 API 端点，为他们的客户端应用程序启用了统一的解决方案，该解决方案使用 LangChain 的 ChatOpenAI 客户端。

在微调探索过程中，Amdocs 创建了一个流程，通过 NIM 自动部署 LoRA 微调检查点。对于微调后的 Mixtral-8x7B 模型，该过程花费了大约 20 分钟。

结果 

Amdocs 已经看到了这一过程的多重效率。

精度提高：通过与 NVIDIA 的合作，我们显著提高了人工智能生成响应的准确性，准确性提高了 30%。这种类型的改进对于电信行业的广泛采用和满足直接面向消费者的人工智能服务的需求至关重要。

使用 NVIDIA NIM，Amdocs 在成本和延迟方面实现了性能改进。

降低了运营成本：Amdocs 在 NVIDIA 基础设施上的电信检索增强生成（RAG）使部署用例所消耗的令牌在数据预处理和推理方面分别降低了 60% 和 40%，从而以显著更低的成本提供了相同水平的准确性。

延迟增强：该协作成功地将查询延迟减少了约 80%，从而确保最终用户体验到近乎实时的响应速度。此项加速增强将对商业、医疗、运营等领域的用户体验产生积极影响。

LLM 精度评估

为了在微调阶段评估测试数据集上跨模型和提示的性能，Amdocs 使用了图 3 中的高级流程。

Diagram shows the LoRA Finetuned LLM generating predictions, the LLM-as-a-Judge evaluating the predictions, and domain experts doing manual evaluation.
图 3。LLM 的评估过程，包括 LLM 即审即决和人类专家

对于每个实验，Amdocs 首先在测试数据集上生成 LLM 输出预测。

然后，使用外部 LLM-as-a-Juage 来评估预测，提供准确性和相关性的指标。对符合预定义标准的实验进行自动回归测试，以验证预测细节的准确性。由此得出的分数是多种指标的混合，包括以下内容：

  • F1 成绩
  • 无幻觉指标
  • 准确结论指标
  • 回答相关性
  • 对话框一致性
  • 无回退指示器
  • 完整性
  • 毒性

最后，手动评估性能最佳的模型，以确认总体准确性。这一过程确保了微调后的 LLM 既有效又可靠。

图 4 显示了不同 LLM 的总体准确度得分。Amdocs 观察到，与基础版本相比，Mixtral-8x7B 和 Llama2-13b-cat 的 LoRA 微调版本的准确度分别提高了 20-30%。与托管 LLM 服务相比，结果还显示准确率提高了 6%。

Bar graph shows that Mixtral-8x7B-v01-LoRA achieved the highest score with 0.90 and Llama-2-13b-chat-base scored the lowest with 0.58.
图 4。前三名执行者的每个模型的平均分数的改进

代币消费 

重新格式化计费数据导致输入令牌减少了 60%。虽然经过微调的 LLM 产生了相当或更好的性能，但这些模型也使输入代币额外节省了约 40%。这归因于最小化提示指令的域自定义。

图 5 显示了 Mixtral-8x7B、Llama2-13b 和托管 LLM 服务的令牌消耗之间的比较。输入令牌数量的差异主要是由于托管 LLM 服务在任务中执行良好所需的详细指令。对于领域定制的 Llama2 和 Mixtral-8x7B 模型，减少是由于持续的上下文格式改进。

Bar graph shows that Mixtral-8x7B-v01-LoRA used the least average tokens with 2,217.28 and the managed LLM service used the most average tokens with 3807.91.
图 5。Mixtral-8x7B、Llama2 和托管 LLM 服务的代币消耗

LLM 延迟 

在使用 NVIDIA NIM 对 A100 80GB GPU 上部署的模型进行评估期间，Amdocs 观察到平均推理速度比领先的最先进的托管 LLM 服务快 4-6 倍，约 80%。

图 6 显示了使用单个 LLM 调用执行的延迟实验，并计算了整个生成周期的平均延迟。所有 NIM 都是在 DGX Cloud A100 供电的实例上远程部署的。Llama2-13b 型号部署在一个 GPU 上，而 Mixtral-8x7B 部署在两个 GPU 上。当使用自托管端点时，响应延迟更加一致，如图 6 所示的 0.95 置信区间线所示。

Bar graph shows that Mixtral-8x7B-v01-LoRA achieved the lowest average latency with 4.70 and the managed LLM service had the highest average latency with 33.34.
图 6。每个模型的平均延迟（秒）

结论和下一步行动 

NVIDIA NIM 推理微服务改善了延迟，使 Amdocs 应用程序中的处理速度更快。通过优化数据格式和微调 LLM，Amdocs 提高了其计费问答系统的准确性，同时显著降低了成本。在整个过程中，Amdocs 面临着不同的挑战，需要创造性的数据重新格式化、及时的工程设计和特定于模型的定制。定义一个明确的模型评估策略和严格的测试是他们成功的关键。

Amdocs 正在采取下一步行动，通过使用 Multi-LoRA 为不同的应用程序创建模型自定义，这是一种能够在推理过程中动态加载多个模型自适应的技术。这种方法优化了内存使用，因为只有基本模型是一致加载的，而模型层自适应是根据需要动态加载的。

通过与 NVIDIA 的合作，Amdocs 启动了一项战略，将生成人工智能集成到其核心产品组合中。该战略从确定应用领域开始，通过重新设计用户体验，使生成人工智能功能更加用户友好，并优先考虑快速工程。为进一步提高准确性并优化生成人工智能训练和推理的成本，Amdocs 将继续使用 NVIDIA DGX Cloud 和 NVIDIA AI Enterprise 软件，以电信公司分类法定制大型语言模型（LLM）。

Amdocs 计划在多个战略方向上继续将生成人工智能集成到 amAIz 平台中。

  • 使用人工智能驱动的语言和情感分析增强客户查询路由。
  • 增强其人工智能解决方案的推理能力，以提供针对客户特定需求的建议。
  • 解决需要广泛领域知识、多模式和多步骤解决方案的复杂场景，如网络诊断和优化。

这些战略将使运营和创新更加高效和有效。

欲了解更多信息，请观看点播 “如果？”的力量：利用 Generative AI 实现商业价值 的 GTC 会议录像。

现在开始使用 NVIDIA NIM，借助 NVIDIA 优化和加速的 API 运行和部署最新的社区构建的生成人工智能模型。

 

Tags

推荐系统/个性化 | 生成式人工智能/大语言模型 | Telecommunications | General Interest | Spotlight | LLM | NIM | 生成型人工智能 | 电信 | 聚焦

关于作者

Liad Levi Raz 是 Amdocs 技术小组的数据科学家，目前正在 Amdocs 的 Generative AI 平台 amAIz 上工作。他拥有赖克曼大学的机器学习和数据科学硕士学位。他的职责包括为 Amdocs 客户研究、开发和操作机器学习模型。他在电信软件行业拥有超过 20 年的经验。
Laila Sprejer 管理 Amdocs Technology 的数据科学和分析小组。她在一系列行业和第三部门开发和领导数据驱动项目方面拥有超过七年的经验。她拥有伦敦政治经济学院社会数据科学硕士学位。
凭借在电信和媒体领域超过 20 年的经验，Ofir Daniel 成功地展示了一种独特的能力，将过去的编程熟练程度与目前的营销和业务开发专业知识结合起来，创造强大的产品营销影响力。Ofir 直接与市场需求、研发和产品团队合作，促进营销战略洞察力，为客户创造最高价值。Ofir 总是乐于接受新想法，并考虑尽早采用新兴技术。
Roy Segal 领导 Amdocs 人工智能、数据和生成人工智能产品的产品管理，利用 10 多年来在各个行业制作数据和人工智能驱动的产品和战略的经验。他拥有特拉维夫大学（TAU）战略 MBA 学位。
Avinash Kaur 是 NVIDIA 的资深数据科学家。她专注于为大规模采用大型语言模型（LLM）构建解决方案，包括优化、性能、训练动力学和大规模数据集。Avinash 毕业于斯坦福大学商学院，并获得南加州大学电气工程硕士学位。
Amparo Canaveras 是 NVIDIA 的高级解决方案架构师，专门从事电信行业的生成人工智能应用。她在诺基亚和威瑞森拥有超过 20 年的网络运营和分析经验。Amparo 拥有巴伦西亚理工大学电气工程学士学位和麻省理工学院系统设计与管理硕士学位。
Meriem Bendris 是 NVIDIA 的高级深度学习数据科学家，为提供人工智能和深度学习解决方案的合作伙伴提供支持。Meriem 的专业领域是会话人工智能和大规模自然语言处理。Meriem 拥有 Telecom ParisTech 的信号和图像博士学位，在那里她研究了应用于语音和计算机视觉的机器学习。