LLM 辅助危机管理：创建先进的 LLM 平台以实现有效的应急响应和公共协作

Jan, 2024

LLM 辅助危机管理：创建先进的 LLM 平台以实现有效的应急响应和公共协作

LLM-Assisted Crisis Management: Building Advanced LLM Platforms for Effective Emergency Response and Public Collaboration

PDF

Hakan T. Otal, M. Abdullah Canbaz

TL;DR通过使用开放源代码的大型语言模型 LLAMA2，我们介绍了一种新的方法来从社交媒体帖子和直接应急信息中识别和分类紧急情况，旨在利用自然语言处理和机器学习的力量，为公共安全通信员和大规模人群在全国范围内的紧急情况提供帮助，并开发了一种语言模型，使其能够理解用户在 911 呼叫中描述的情况，使 LLAMA2 能够分析内容并向通信员提供相关指示，并在必要时创建工作流程以通知政府机构与呼叫者信息。这种语言模型的另一个好处是在 911 系统不堪重负时能够帮助用户提供简单的指导并向相关部门提供其位置和紧急信息。

Abstract

Emergencies and critical incidents often unfold rapidly, necessitating a swift and effective response. In this research, we introduce a novel approach to identify and classify emergency situations from social media

emergency situations social media natural language processing 911 call language model

发现论文，激发创造

ChatSOS: 基于 LLM 的安全工程知识问答系统

我们的研究通过引入以 LLM 为基础的问答系统，结合外部知识数据库，提高了模型的理解和响应准确性，有效地总结事故报告并提供相关建议，从而将 LLM 的应用拓展到安全工程领域，并为自动化智能系统的未来发展树立了先例。

Dec, 2023

CrisisSense-LLM：灾难信息学中用于多标签社交媒体文本分类的指令微调大型语言模型

通过对事先训练的大型语言模型（LLM）进行指令微调，将其嵌入灾害特定知识，从而实现对灾害相关推文的多标签分类，提高社交媒体数据在灾难情境感知中的效用。

Jun, 2024

LLMs 在医学领域中能有效纠正医生吗？研究有效的交互方法

利用大型语言模型（LLMs）协助和纠正医生在医疗决策任务中的潜力进行探索，研究评估了几个 LLMs，包括 Meditron、Llama2 和 Mistral，以分析这些模型在不同场景下与医生有效互动的能力，并认为提示设计显著影响 LLMs 的下游准确性，LLMs 能够为医生提供有价值的反馈，挑战错误诊断，促进更准确的决策，同时还揭示了确保 LLM 生成的建议相关和有用的挑战，强调了进一步研究的需求。

Mar, 2024

我们中的语言生成机器人：生成型人工智能参与数字交流

在 Mastodon 社交媒体平台上，我们使用了 “LLMs Among Us” 实验框架构建了 10 个角色来研究大型语言模型的潜力和威胁，发现参与者只有 42% 的准确率能识别出其他用户的真实性。此外，我们还发现角色的选择对于人的感知影响比主流大型语言模型的选择更大。

Feb, 2024

利用知识图谱和大型语言模型增强紧急决策

该研究论文介绍了一种名为 E-KELL 的系统，通过构建结构化的紧急情况知识图谱，并引导大型语言模型在此基础上进行推理，提供基于证据的紧急情况决策，取得了显著的改进和可靠的应急决策支持。

Nov, 2023

评估大型语言模型用于公共卫生分类和提取任务

基于对 LLMs 在公共卫生任务中的自动评估，将六个外部注释数据集与七个新的内部注释数据集相结合，评估 LLMs 在处理与健康负担、流行病学危险因素和公共卫生干预相关的文本中的性能，发现 Llama-3-70B-Instruct 是性能最好的模型，在 15 个任务中取得最佳结果。这些初步结果表明，LLMs 可能成为公共卫生专家从各种免费文本来源中提取信息，并支持公共卫生监测、研究和干预的有用工具。

May, 2024

在公共事务领域利用大型语言模型进行主题分类

本研究探讨了大型语言模型在分类公共事务文件中的性能，发现 LLMs 可以有效处理和理解公共事务文件中使用的复杂语言，并可用于处理特定领域的文件，如公共事务文件。

Jun, 2023

重新定义开发助手：通过大型语言模型在软件生态系统中

本文介绍了领域特定的大型语言模型（LLM）在软件开发中的应用，提出了通过指导调整开发的 DevAssistLlama 模型，以帮助开发人员处理与软件相关的自然语言查询，该模型在处理复杂的技术文档方面表现出色，提升了开发人员在软件特定任务中的能力。通过构建来自各种软件系统的广泛指令数据集，创建了 DevAssistLlama，从而有效处理了命名实体识别（NER），关系提取（RE）和链接预测（LP）。我们的结果表明，与其他模型（包括 ChatGPT）相比，DevAssistLlama 在这些任务中具有更强的能力。本研究不仅突出了专门面向软件开发的 LLM 的潜力，也为该领域的先行 LLM。

Dec, 2023

LlamaCare：增强医疗知识共享的大型医学语言模型

提出了使用低碳排放量进行细调的医疗语言模型 LlamaCare，以及处理 LLMs 分类问题的新模块 Extended Classification Integration (ECI)。通过在 PubMedQA 和 USMLE 等基准测试中进行一次性和少次性训练，我们的方法在成本相对较低的情况下实现了与最新模型接近的效果。

Jun, 2024

基于网络检索增强生成的洪水灾害报告系统

利用 FloodBrain 工具，我们测试了不同的大型语言模型作为生成洪水灾害影响报告的基础，与人工撰写的报告进行对比评估，并通过从网络上提取和整理信息来生成详细准确的报告，旨在提高大型语言模型在灾害影响报告中的应用，减少人道主义救援行动的协调时间。

Nov, 2023