All translations

Enter a message name below to show all available translations.

Found 8 translations.

Name	Current message text
^h German (de)	Bei NVIDIA war unsere Hauptmotivation, die Produktivität unserer Mitarbeiter durch den Aufbau von Unternehmens-Chatbots zu verbessern. Unsere anfängliche Begeisterung stieß schnell auf die Realität, zahlreiche Herausforderungen zu bewältigen. Wir lernten, dass die Erstellung eines erfolgreichen Unternehmens-Chatbots, selbst in der Ära nach Chat-GPT, zwar vielversprechend, aber nicht einfach ist. Der Prozess erfordert eine sorgfältige Entwicklung von RAG-Pipelines, das Feinabstimmen von LLMs und das Entwickeln von Eingabeaufforderungen, um die Relevanz und Genauigkeit des Unternehmenswissens sicherzustellen, die Zugriffsberechtigungen für Dokumente zu respektieren, prägnante Antworten zu liefern, relevante Referenzen einzuschließen und persönliche Informationen zu schützen. All dies erfordert ein sorgfältiges Design, eine geschickte Ausführung und eine gründliche Bewertung, die viele Iterationen erfordert. Darüber hinaus ist es entscheidend, das Benutzerengagement aufrechtzuerhalten und gleichzeitig die Geschwindigkeit und Kosteneffizienz zu optimieren. Auf unserer Reise haben wir gelernt, dass es, einen virtuellen Unternehmensassistenten richtig hinzubekommen, dem Erreichen einer perfekten Symphonie gleicht, bei der jede Note Bedeutung trägt!
^h English (en)	At NVIDIA, our main motivation was to improve our employee productivity by building enterprise chatbots. Our initial enthusiasm quickly met with the reality of addressing numerous challenges. We learned that crafting a successful enterprise chatbot, even in the post Chat-GPT era, while promising, is not easy. The process demands meticulous engineering of RAG pipelines, fine-tuning LLMs, and engineering prompts, ensuring relevancy and accuracy of enterprise knowledge, honoring document access control permissions, providing concise responses, including pertinent references, and safeguarding personal information. All of these require careful design, skillful execution, and thorough evaluation, demanding many iterations. Additionally, maintaining user engagement while optimizing for speed and cost-efficiency is essential. Through our journey, we learned that getting an enterprise conversational virtual assistant right is akin to achieving a perfect symphony where every note carries significance!
^h Spanish (es)	En NVIDIA, nuestra principal motivación fue mejorar la productividad de nuestros empleados mediante la creación de chatbots empresariales. Nuestro entusiasmo inicial pronto se encontró con la realidad de enfrentar numerosos desafíos. Aprendimos que crear un chatbot empresarial exitoso, incluso en la era posterior a Chat-GPT, aunque prometedor, no es fácil. El proceso exige una ingeniería meticulosa de las canalizaciones RAG, el ajuste fino de los LLMs y la ingeniería de prompts, asegurando la relevancia y precisión del conocimiento empresarial, respetando los permisos de control de acceso a documentos, proporcionando respuestas concisas, incluyendo referencias pertinentes y protegiendo la información personal. Todo esto requiere un diseño cuidadoso, una ejecución hábil y una evaluación exhaustiva, demandando muchas iteraciones. Además, mantener el compromiso del usuario mientras se optimiza la velocidad y la eficiencia de costos es esencial. A través de nuestro viaje, aprendimos que lograr que un asistente virtual conversacional empresarial funcione bien es similar a lograr una sinfonía perfecta donde cada nota tiene significado.
^h French (fr)	Chez NVIDIA, notre principale motivation était d'améliorer la productivité de nos employés en développant des chatbots d'entreprise. Notre enthousiasme initial a rapidement été confronté à la réalité de relever de nombreux défis. Nous avons appris que créer un chatbot d'entreprise réussi, même à l'ère post-Chat-GPT, bien que prometteur, n'est pas facile. Le processus exige une ingénierie minutieuse des pipelines RAG, un ajustement fin des LLMs et une ingénierie des invites, garantissant la pertinence et l'exactitude des connaissances d'entreprise, respectant les autorisations de contrôle d'accès aux documents, fournissant des réponses concises, incluant des références pertinentes, et protégeant les informations personnelles. Tout cela nécessite une conception soignée, une exécution habile et une évaluation approfondie, nécessitant de nombreuses itérations. De plus, maintenir l'engagement des utilisateurs tout en optimisant la rapidité et l'efficacité des coûts est essentiel. Au cours de notre parcours, nous avons appris que réussir un assistant virtuel conversationnel d'entreprise revient à réaliser une symphonie parfaite où chaque note a son importance !
^h Japanese (ja)	NVIDIAでは、企業向けチャットボットを構築することで従業員の生産性を向上させることを主な動機としていました。しかし、最初の熱意はすぐに多くの課題に直面しました。Chat-GPT時代の後でも、成功する企業向けチャットボットを作成することは、約束されているとはいえ、簡単ではないことを学びました。このプロセスには、RAGパイプラインの綿密な設計、LLMの微調整、プロンプトのエンジニアリング、企業知識の関連性と正確性の確保、文書アクセス制御権限の尊重、簡潔な回答の提供、関連する参照の含有、個人情報の保護が求められます。これらすべては、慎重な設計、巧みな実行、徹底的な評価を必要とし、多くの反復を要求します。さらに、ユーザーのエンゲージメントを維持しながら、速度とコスト効率を最適化することも重要です。この旅を通じて、企業向けの会話型バーチャルアシスタントを正しく作成することは、すべての音符が重要性を持つ完璧な交響曲を達成することに似ていることを学びました。
^h Korean (ko)	엔비디아에서 우리의 주요 동기는 기업용 챗봇을 구축하여 직원 생산성을 향상시키는 것이었습니다. 초기의 열정은 수많은 도전 과제를 해결해야 한다는 현실과 마주하게 되었습니다. 우리는 Chat-GPT 이후의 시대에도 성공적인 기업용 챗봇을 만드는 것이 유망하지만 쉽지 않다는 것을 배웠습니다. 이 과정은 RAG 파이프라인의 세심한 엔지니어링, LLM의 미세 조정, 프롬프트 엔지니어링, 기업 지식의 관련성과 정확성을 보장하고, 문서 접근 권한을 존중하며, 간결한 응답을 제공하고, 관련 참조를 포함하며, 개인 정보를 보호하는 것을 요구합니다. 이 모든 것은 신중한 설계, 능숙한 실행, 철저한 평가가 필요하며, 많은 반복을 요구합니다. 또한, 속도와 비용 효율성을 최적화하면서 사용자 참여를 유지하는 것이 필수적입니다. 우리의 여정을 통해, 기업용 대화형 가상 비서를 완벽하게 만드는 것은 모든 음표가 중요성을 지니는 완벽한 교향곡을 이루는 것과 같다는 것을 배웠습니다!
^h Portuguese (pt)	Na NVIDIA, nossa principal motivação foi melhorar a produtividade dos nossos funcionários através da construção de chatbots empresariais. Nosso entusiasmo inicial rapidamente encontrou a realidade de enfrentar inúmeros desafios. Aprendemos que criar um chatbot empresarial bem-sucedido, mesmo na era pós-Chat-GPT, embora promissor, não é fácil. O processo exige uma engenharia meticulosa de pipelines RAG, ajuste fino de LLMs e engenharia de prompts, garantindo a relevância e precisão do conhecimento empresarial, respeitando as permissões de controle de acesso a documentos, fornecendo respostas concisas, incluindo referências pertinentes e protegendo informações pessoais. Tudo isso requer um design cuidadoso, execução habilidosa e avaliação minuciosa, exigindo muitas iterações. Além disso, manter o engajamento do usuário enquanto se otimiza para velocidade e eficiência de custos é essencial. Ao longo da nossa jornada, aprendemos que acertar um assistente virtual conversacional empresarial é como alcançar uma sinfonia perfeita onde cada nota tem significado!
^h Chinese (zh)	在NVIDIA，我们的主要动机是通过构建企业聊天机器人来提高员工的生产力。我们的初始热情很快就遇到了许多挑战的现实。我们了解到，即使在Chat-GPT时代之后，打造一个成功的企业聊天机器人虽然充满希望，但并不容易。这个过程需要精心设计RAG管道、微调LLM和工程提示，确保企业知识的相关性和准确性，遵守文档访问控制权限，提供简洁的回答，包括相关的参考资料，并保护个人信息。所有这些都需要精心设计、熟练执行和彻底评估，要求进行多次迭代。此外，在优化速度和成本效益的同时保持用户参与度也是至关重要的。在我们的旅程中，我们了解到，打造一个完美的企业对话虚拟助手就像实现一场完美的交响乐，每一个音符都具有重要意义！