Xayn啟動了Xaynia，企業AI語義搜索

AI的激增已經到達了商業企業的海岸。基於德國的初創企業樹籬午餐籬笆，該公司的企業語義搜索和建議AI。以準確性，個性化和隱私為目標，哈丁的Enterprise AI旨在提供平穩且個性化的用戶體驗。

業務客戶，特別是來自具有大型外在知識庫的公司，可以通過通過其API（應用程序編程界面）實現插件來利用此AI搜索。 Xaynia採用自然語言處理（NLP）技術供電，根據其對用戶的搜索查詢和上下文的理解，可根據其個人喜好量身定制。

後

Enterprise AI利用機器學習的力量根據業務需求提供解決方案。人工智能的這一子集將其專注於組織需求。

Enterprise AI致力於將人工智能的力量整合到關鍵系統中，以解決高價值案例，尤其是在大型組織中。當公司利用Enterprise AI時，企業可以深入了解其運營，從而提高整體績效。

Xaynia回答了由大語言模型（LLM）引起的問題。 LLM驅動的技術會消耗大量的能源，並在規模上使用時極大地增加了企業客戶的成本。此外，隨著公司使用生成AI，LLM的生產，增加了數字碳足跡，隨著時間的推移，個人數據存在潛在的風險。

Xaynia的目的是通過切換到小語言模型來解決LLM引起的問題，從長遠來看，這些模型更有效和可持續。借助SLM，Xayn的多語言NLP型號套件可以運行在手機的性能上，而不是超級計算機的高容量。這減少了能源和公司成本的使用，由於Xaynia的企業AI，幫助他們變得更加節能和成本效益。

Xaynia的NLP模型可能會使用更少的功率和成本，但是公司的語義搜索和建議保持了LLM的準確性。後壓縮了Xaynia的企業AI，以最大程度地提高其能源效率。通過這種方法，Xaynia可以處理大量數據，尤其是在處理大型數據庫中數百萬個文檔，並同時最大程度地減少能耗和成本時。

憑藉針對個人偏好量身定制的Enterprise AI的力量，Xaynia了解不同種類的用戶的多個搜索查詢。對Xayn的這種語義搜索可以保證與競爭對手相比提供準確的結果，而能源效率高20倍。

後最初是倫敦牛津大學和帝國學院的研究項目。忠於它的根源，Xayn進行了研究針對其他流行模型，廣泛測試其句子變壓器排名模型。該研究的目的是了解用戶查詢和索引內容背後的搜索意圖，這項研究證明了Xaynia的能源效率高20倍。

這項研究有七個主要作者，其中包括Xayn的聯合創始人兼首席執行官Leif-NissenLundbæk博士。他與最大的德國公共廣播電台的負責人之一介紹了柏林會議上的研究結果，證明他們創建的模型Xaynia比ZDF以前的系統高98％。

“ [...]我們提出並開發了兩種擴展，以對句子變壓器排名模型的蒸餾過程[...]我們將這些擴展應用於已知的蒸餾程序。

我們通過實驗表明，將這種擴展的蒸餾程序應用於語義和相關排名模型導致極端壓縮，從而保留了所需的性能，提高推理速度並大大降低了能量消耗。 ”

後繼續與ZDF這樣的不同媒體公司驗證其技術。目前，媒體機構旨在改善其資料庫在Xaynia的幫助下，以更安全和成本效益的方式為其用戶提供個性化建議。

鑑於當今經濟的快速變化，個性化在公司使用的營銷策略中變得重要。鑑於其可實現的增加收入並獲得更高保留率的能力，Xaynia回答了對個性化的需求，尤其是對於媒體，電子商務或旅行公司。

這種語義搜索和推薦插件特別適合其偏好未清楚說明的用戶。 Xayn的Enterprise AI確保內容相關性，創建個性化的搜索結果和建議，從而增強用戶體驗的整體體驗。

此外，Xaynia將其用於網站，應用程序，推送通知和新聞通訊，以保持多個用戶在各個平台上的關注，從而策劃體驗以保持它們的參與度。

自從成為一家公司以來，Xayn就解決了將偉大的AI技術和保護數字隱私相結合的挑戰。借助他們的新企業AI，該公司旨在以最低成本實現個性化，但要拍攝以獲得最佳結果。

隨著Xaynia的發布，此語義搜索插件使搜索結果更容易成為獨特的，個性化的，但仍可根據用戶的需求準確。這是技術，公司和用戶對結果感到滿意的保證勝利，並使哈丁的企業AI。