Strukturált adatok átalakítása SAP-RPT-1.5 segítségével

Működtesse az SAP relációs, előre betanított transzformátormodelljét, és nyerjen prediktív betekintést a vállalati adatokból anélkül, hogy teljesen új modelleket kellene létrehoznia.
Dolgozó ember laptopon, az SAP RPT-1 játszótér felhasználói felületének képeivel és a prediktív elemzések tesztelési környezetével, strukturált adatokon alapuló táblázatos AI segítségével.

Mi az SAP-RPT-1.5?

Az SAP-RPT-1.5 egy relációs, előre betanított transzformátormodell, amely kontextuson belüli tanulást használ a strukturált üzleti adatokból származó pontos prediktív elemzések biztosítására.

placeholder

Az SAP-RPT-1.5 AI-modell a következőkkel érhető el:

  • A strukturált adatok gyakorlása a költséges és időigényes modelltanítás kiküszöbölése érdekében.

  • Kontextuson belüli tanulás, amely valós idejű, megbízható előrejelzéseket nyújt a változó és hiányos adatok közepette.

  • Beépített irányítás, megbízhatóság és magyarázhatóság, amely lehetővé teszi az átfogó csővezeték-kezelést a(z) segítségével.

  • Két kereskedelmi változat a generatív AI hubban, mindegyik különböző sebességre és pontossági egyensúlyra hangolt.

A legfontosabb előnyök

Gyorsítsa fel az elemzésekig eltelő időt

Prediktív AI azonnali üzembe helyezése strukturált adatokhoz és az adat-előkészítés heteinek órákra csökkentése modelltanítás vagy speciális gépi tanulási szakértelem nélkül.*

Pontos elemzések generálása tökéletlen adatokból

Akár 2X előrejelzési minőség elérése a szűk AI-modellekhez képest és 3.5X a nyelvi modellekhez képest, még akkor is, ha az üzleti adatok hiányosak vagy változnak. SAP-RPT-1.5 A rugalmas architektúrát úgy tervezték, hogy kezelje a valós adatminőségi kihívásokat, amelyek korlátozzák a hagyományos modelleket.*

Skálázza a prediktív teljesítményt az egész vállalaton belül

Használjon egyetlen modellt az üzleti egységek és szcenáriók közötti osztályozáshoz és regresszióhoz, egyszerűsítse az üzembe helyezést, és csökkentse a több használati esethez specifikus prediktív modellek iránti igényt.

Fő jellemzők

placeholder

Kontextuson belüli tanulási API

Az SAP-RPT-1.5 osztályozási és regressziós feladatokat dolgoz fel meglévő üzleti adatforrások vagy API-hívásokban közvetlenül biztosított mintarekordok felhasználásával. A modell azonosítja az adatmintákat az egyes kérelmek adatkontextusaiban, hogy pontos előrejelzéseket generálhasson.

Előre betanított relációs architektúra

A táblázatos struktúrák, adatkapcsolatok és üzleti logika belső megértésével készült SAP-RPT-1.5 strukturált adathalmazokat, változó értékeket és vállalati adatformátumokat kezel egyéni előfeldolgozás vagy funkciótervezés nélkül.

Táblázatos koordinációs munkafolyamatok

Működtesse az SAP-RPT-1.5-öt egy egységes vállalati szintű platformmal, amely prediktív intelligenciát ágyazik be a csővezetékekbe, és beépített irányítással, megbízhatósággal és magyarázhatósággal kezeli őket.

Két verzió végtelen használati esetekhez

SAP-RPT-1.5-kicsi

  • Alacsony késleltetés.

  • Nagy előrejelzési áteresztőképesség.

  • Alapvető előrejelzési használati esetek.

SAP-RPT-1.5-nagy

  • Nagy pontosság.

  • A legalacsonyabb hibaarány.

  • Komplex előrejelzési használati esetek.

Erőforrások

placeholder

ConTextTab: szemantikatudatos tanulás táblázatos adatokhoz

A ConTextTab egyesíti a nyelvi modell szemantikáját a tábla-natív hatékonysággal, hogy nagy teljesítményt érjen el a valós üzleti táblázatos előrejelzési feladatokban.

placeholder

Kontextuson belüli tanulás relációs adatokhoz

Tudjon meg többet az SAP forradalmian új, táblázatos, natív alaprendszermodelljéről, amely kontextusfüggő tanulást használ a vállalati előrejelzési feladatok egyéni tanítás nélküli kezelésére.

GYIK

Az RPT-modell egy nagy, strukturált, relációs adathalmazokon előre betanított AI-rendszer a közös táblázatos adatminták elsajátításához. A szövegsorokat feldolgozó nagy nyelvi modellekkel ellentétben az SAP-RPT-1.5 célja a strukturált adatok, például értékesítési rekordok, pénzügyi tranzakciók, beszállítói teljesítménytáblázatok vagy emberi erőforrás mérőszámok kapcsolatainak megértése.

A kontextusban történő tanulás lehetővé teszi a modell számára, hogy menet közben megértse a mintákat, és azonnal alkalmazkodjon az API-hívás példarekordjaiból származó új szcenáriókhoz, hogy azonnali és pontos kontextusvonatkozású előrejelzéseket biztosítson.

Igen. Az SAP-RPT-1 ingyenesen tesztelhető a https://rpt.cloud.sap oldalon elérhető SAP RPT-játszótéren. Előrejelzési szcenáriók konfigurálása és a modellteljesítmény értékelése intuitív, interaktív felületen keresztül a többosztályos osztályozás és a numerikus regresszió teszteléséhez saját CSV-adatfájl vagy SAP által biztosított minták használatával. Az SAP RPT Playground 2026. szeptember végén frissül SAP-RPT-1.5-re.

Igen. Egy nyílt forráskódú változat, az sap-rpt-1-oss elérhető a Hugging Face és a GitHub platformokon kutatási és nem kereskedelmi célokra. Az SAP-RPT-1.5 csak az SAP generatív AI hubjában érhető el két kereskedelmi verzióban.

A táblázatos koordinációs munkafolyamat funkció (amely 2026 végén általánosan elérhető) fogja működtetni a modellt. A képesség az SAP generatív AI hubján kerül biztosításra, amely API-kon keresztül érhető el, és kontextuskiválasztási és modellkiválasztási modulokkal kerül elindításra. A munkafolyamat megszünteti a manuális kontextustervezés és modellkezelés szükségességét a megfelelő kontextus automatikus kiválasztásával, az API-hívás összeállításával és a futásidőben megadott lekérdezéssorokon alapuló előrejelzések visszaküldésével.

Igen, a modell megfigyelhetősége (amely 2026 júliusában általánosan elérhető) növeli a bizalmat és az átláthatóságot előrejelzésekkel, részletes tényezőhatással és adathozzárendeléssel – kiegészítve az SAP RPT-1-ben már meglévő top k előrejelzéseket és konfidenciaintervallum-bővítéseket.

* 1 milliárd euró bevétellel és 2000 alkalmazottal rendelkező, fogyasztási cikkeket gyártó vállalatra vonatkozóan feltételezett számok. Az éves előnyök egy vagy több értéktényezőből származnak. Forrás: SAP Value Management.

twitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixel