对于那些希望通过了解行业格局、关键参与者和新兴技术来获得竞争优势的人来说，这次会议是必看的。Juliana 展示了强大的基准测试分析工具、人工智能自然语言处理和动态仪表板如何帮助知识产权专业人士做出明智的决策、优化专利策略并推动增长。
观看网络研讨会。
主要经验：
分析技术趋势以预测专利的未来价值。
将关键发现可视化，以保持竞争领先。
为什么你应该观看
这些网络研讨会旨在为知识产权、研发和专利专业人士提供简化专利工作流程所需的知识和工具。无论您是想优化专利策略、简化专利搜索，还是确保在全球范围内自由运营，这些会议都能提供实用的见解和可操作的策略。
不要错过增强您的知识产权战略并推动您的组织向前发展的机会。立即观看这些点播网络研讨会，在竞争中保持领先地位。可靠的见解需要质量监控和高水平的准确性。
新型生成人工智能 (AI) 和大型语言模型 (LLM) 技术为专利研究人员提供了新的可能性。它们可以为那些想要从不断增长的全球专利出版物数量中快速获取见解的人提高工作流程效率。
随着生成式人工智能越来越广泛地被采用，一些专利搜索者正在探索 LLM（例如 ChatGPT）来总结 肯尼亚资源 专利出版物。我们的社区询问我们，德温特世界专利索引™ (DWPI™)摘要与使用生成式人工智能或 LLM 创建的摘要相比如何。由于透明度是 Clarivate™ 的核心价值，因此我们会在被问到时给予回答。
创建的专利摘要与 团队的
900 多名主题专家创建的专利摘要在三个主要方面有所不同：准确性、一致性和规模。
准确性
使用 LLM 获得准确的专利摘要的关键在很大程度上取决于即时撰写者的及时性和技术理解力。这些模型通过预测生成文本。不幸的是，这意味着幻觉和不准确的材料可能会出现在原本看似合理的内容中。此外，LLM 并非专门为专利摘要而设计的。没有内置的质量检查来确保创建的摘要准确总结了专利的权利要求。
相比之下，DWPI 摘要由我们的主题专家团队撰写，并经过系统评价和质量检 事实——人工智能如何提升业务绩效？ 查以及统计抽样，以确保其更加准确。
DWPI 如何实现 98.5% 的准确率
我们每周会从 45,000 篇摘要中随机抽取具绘制竞争对手 新闻 美国 图来评估 有统计意义的样本进行质量检查，其中一定数量的摘要来自不同的优先管辖区、技术类别和编辑团队。然后对抽样的摘要进行 13 种潜在错误评估。
目前观察到的缺陷率低于 1.5%。例如，对于 100 条 DWPI 记录，我们将检查最多 1,300 个潜在错误。