Omvandla strukturerade affärsdata till användbara insikter med SAP-RPT-1

Använd SAP-RPT-1, SAP:s Relationsförtränade transformatormodell i generativ AI-hubb, för att få prediktiva insikter från företagsdata utan att skapa modeller från grunden.
Kvinna på en bärbar dator som arbetar, med bilder av användargränssnittet för SAP RPT-1-lekplatsen och testmiljö för prediktiva insikter med tabellbaserad AI för strukturerade data.

Vad är SAP-RPT-1?

SAP-RPT-1 är en relationell förtränad transformatormodell som levererar korrekta prediktiva insikter från strukturerade affärsdata. SAP-RPT-1 använder kontextbaserad inlärning, så att användare kan tillhandahålla dataposter för att generera omedelbara och tillförlitliga prognoser utan modellträning.

En skärmdump av landningssidan för SAP RPT-lekplatsen med bestämning av utrustning, prioritering av servicemeddelanden och exempelscenarier för prognoser om betalningsfördröjning så att användare kan testa SAP-RPT-1-modellen.
placeholder
  • Förutbildad för strukturerad data för att eliminera kostsam och tidskrävande modellträning.

  • I kontexten lära sig att leverera omedelbara resultat direkt från dataposter vid körningstid.

  • Motståndskraftig mot ändrade och ofullständiga data för att leverera tillförlitliga prognoser.

  • Drivs av affärsdata för korrekta, företagsdatadrivna insikter.

  • Finns i två kommersiella versioner i den generativa AI-hubben, var och en inställd för en annan hastighet och noggrannhet balans, och även som en öppen källkod release.

BEGRÄNSAD TIDSERBJUDANDE
Kör dina första 100 optimeringar gratis fram till 30 april

Automatisera snabb generering, testning och prestanda för alla modeller. Token-förbrukning och kostnader efter kampanj tillämpas.

Starta en gratis självstudiekurs

De främsta fördelarna

Snabba på tiden till insikter

Distribuera prediktiv AI för strukturerade data direkt och reducera veckor av dataförberedelse till timmar utan behov av modellträning eller specialiserad ML-expertis.

Generera korrekta insikter från ofullständiga data

Uppnå upp till 2X prognoskvalitet jämfört med smala AI-modeller och 3,5 X jämfört med språkmodeller, även om affärsdata är ofullständiga eller ändras. SAP-RPT-1:s motståndskraftiga arkitektur är utformad för att hantera verkliga datakvalitetsutmaningar som begränsar traditionella modeller.

Skala prediktiv kraft i hela företaget

Utnyttja en enda modell för klassificering och regression mellan affärsenheter och scenarier, förenkla implementeringen och minska behovet av hundratals fallspecifika modeller.

Nyckelfunktioner

placeholder

API för utbildning i kontext

SAP-RPT-1 bearbetar klassificerings- och regressionsuppgifter med hjälp av befintliga affärsdatakällor eller exempelposter som tillhandahålls direkt i API-anrop. Modellen identifierar datamönster i varje begärans datakontext för att generera korrekta prognoser.

Förutbildad relationsarkitektur

Med en inneboende förståelse för tabellstrukturer, datarelationer och affärslogik hanterar SAP-RPT-1 strukturerade dataset, ändrade värden och företagsdataformat utan anpassad förbearbetning eller funktionsteknik.

No-code test lekplats

Med SAP-RPT-lekplatsen kan användare konfigurera prognosscenarier och utvärdera modellprestanda via ett intuitivt, interaktivt gränssnitt. Testa flerklassklassificering och numerisk regression med egna data eller SAP-tillhandahållna exempel.

Två versioner för oändliga användningsmöjligheter

SAP-RPT-1-small

  • Låg latens.

  • Hög förutsägelsegenomströmning.

  • Användningsfall för grundläggande prognos.

SAP-RPT-1-large

  • Hög noggrannhet.

  • Lägsta felprocent.

  • Användningsfall för komplex prognos.

Resurser

ConTextTab: Semantik medveten utbildning för tabelldata

ConTextTab förenar språkmodellsemantik med tabellbaserad effektivitet för att uppnå hög prestanda på verkliga prognostiseringsuppgifter i affärstabeller.

SAP-RPT-1 har skapats för affärsdata

Ta reda på hur SAP‑RPT‑1 låser upp snabbare och mer exakta affärsprognoser genom att förstå verkliga företagsdata som ledgers och fakturor, hur det minskar felen och ökar effektiviteten i verksamheten.

Utbildning i kontext för relationsdata

Läs mer om SAP:s revolutionerande tabellbaserade grundmodell som använder kontextbaserad inlärning för att hantera prognosuppgifter för företag utan anpassad utbildning.

Vanliga frågor

En RPT-modell är ett AI-system som förtränats på stora, strukturerade, relationsdataset för att lära sig vanliga tabelldatamönster. Till skillnad från stora språkmodeller som bearbetar textsekvenser är SAP-RPT-1 utformad för att förstå relationer i strukturerade data, till exempel försäljningsposter, finanstransaktioner, leverantörsprestationstabeller eller personalnyckeltal.

Indirekt inlärning gör det möjligt för modellen att förstå mönster i farten och omedelbart anpassa sig till nya scenarier från exempelposter i ditt API-anrop för att ge omedelbara och korrekta kontextuella prognoser.

Ja. SAP-RPT-1 kan testas gratis på SAP RPT-lekplatsen på https://rpt.cloud.sap . Konfigurera prognosscenarier och utvärdera modellprestanda via ett intuitivt, interaktivt gränssnitt för att testa flerklassklassificering och numerisk regression med din egen CSV-datafil eller SAP-tillhandahållna exempel.

Ja. En version med öppen källkod, sap-rpt-1-oss, finns på Hugging Face och GitHub för forskning och icke-kommersiella ändamål.

SAP-RPT-lekplatsen är en demonstrationsplattform. Genom att använda denna tjänst samtycker du till att följa gällande dataskyddsbestämmelser. Genom att läsa in data till SAP RPT-lekplatsen bekräftar du att du har rätt behörighet att använda dessa data. Uppgifterna kommer att behandlas i enlighet med vår integritetspolicy och tillämpliga dataskyddsbestämmelser. Vi lagrar inte dina uppgifter permanent och de raderas efter behandling. För mer information, se våra användarvillkor och vår integritetspolicy. Alla angivna API-token måste behandlas som ett lösenord. Åta dig aldrig versionskontroll eller dela den i offentliga forum.

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