ChatGPT在全球掀起的浪潮，除了向世界证明对话式AI商用化的可能性，也为越来越多企业落地对话式AI商用提供了重要抓手。

虽然现有的ChatGPT已经具备不错的多轮对话能力，但对于一些垂类行业或领域的商业化应用，如医疗、保险、银行等行业，用户的提问和需求通常不是单一的，需要模型拥有自然、流畅的多轮交互，以及专业答案的快速生成能力，才能快速高效靶定用户痛点、解决问题。

因此在模型训练中，需要大量涵盖特定行业和领域的专业术语、概念和知识，以及各种模拟实际场景下的真实对话语料。而Magic Data针对这些垂类行业和领域的Finetuned对话式AI数据集，可以使得对话式AI能够更好地回答用户提出的问题，理解用户的需求，为用户提供更好的服务。

此外，对于专业性极强的垂类领域，如医疗领域，模型需要在多轮对话中理解用户症状、诊断结果，并给出适合的治疗方案。因此相关GPT模型在开发、训练、迭代等过程中，均需要大量业内人员（如医生、教授等）进行数据标注、清洗工作。同时，由于患者症状不一、表达能力不同，GPT模型需要拥有更强的意图识别和文本泛化能力，此时就需要高效的数据采标与功能点泛化工具。

因此，Magic Data已上线一款用于文本采集生成、功能点泛化的数据处理工具，该工具拥有多人实时协作、自动查重预警、辅助开阔思路、人性化任务分配以及实时质量管控五大功能特点，接入现有的Annotator®多模态数据标注工具，可以助力垂类企业商业化GPT模型开发、评估、优化的数据处理全链路工作。

⬆️ 文本采集生成、功能点泛化数据处理工具——多轮对话采集生成

⬆️ 文本采集生成、功能点泛化数据处理工具——文本泛化

我们有理由相信，对话式AI将在不远的未来快速发展，并且会在越来越多的领域得到商业化应用。而在更多ChatGPT垂类领域Finetuned数据集帮助下，会有更多针对特定应用场景的Fine-tuned模型被开发出来。同时，随着数据生产工具与专业领域知识图谱更加耦合，对话式AI的模型迭代速度将不断加快，推动各类产业智能化转型升级。