Jul, 2024

基于LLM的藏区旅游观点信息生成系统研究

HTML
PDF
TL;DR该研究探讨了信息差异对西藏旅游业的影响，并解决了建立大型语言模型评估标准的挑战。引入了一种创新方法，即DualGen Bridge AI系统，采用监督微调技术来增强模型功能和优化流程，并开创了多结构生成结果评估框架。实证验证证实了该框架的有效性。研究还探讨了监督微调方法在DualGen Bridge AI中的应用，旨在改善旅游景点信息的生成。研究结果为优化系统性能提供了有价值的见解，并为在西藏旅游服务等领域应用LLM技术提供了支持和启示，可能通过先进的定制信息生成能力来彻底改变智慧旅游行业。
发现论文，激发创造
  • ChatGPT在生成式人工智能和大型语言模型时代的简明调查

    ChatGPT是OpenAI创建的一种大型语言模型(LLM)，通过大量数据的精心训练，推动了自然语言处理(NLP)的发展，并拓展了LLM的能力边界。本文主要目标是对ChatGPT及其演变的当前研究方向进行简明概述，提供了基于玻璃盒和黑盒观点的综合分析。此概述也揭示了LLM和GAI领域的现有和缺失研究方向，有益于公众用户和开发人员。

    Jul, 2023

  • 信息检索与大型语言模型结合：中国信息检索社区的战略报告

    信息检索领域，自传统搜索开始已经发展得非常成熟，并且扩展到满足用户不同的信息需求。最近，大型语言模型在文本理解、生成和知识推理方面表现出了异常的能力，为信息检索研究打开了令人兴奋的新方向。大型语言模型不仅有助于生成式检索，还为用户理解、模型评估和用户系统交互提供了改进的解决方案。最重要的是，信息检索模型、大型语言模型和人类之间的相互作用形成了一个更强大的信息搜索技术范式。信息检索模型提供实时和相关的信息，大型语言模型提供内部知识，而人类在信息服务的可靠性方面起到了需求者和评估者的核心角色。然而，仍然存在一些重大挑战，包括计算成本、可信度问题、特定领域限制和伦理考虑。为了深入讨论大型语言模型对信息检索研究的变革性影响，中国信息检索界于2023年4月举办了一次战略研讨会，得出了有价值的见解。本文总结了研讨会的成果，包括对信息检索核心价值的重新思考、大型语言模型和信息检索的相互增强、一个新的信息检索技术范式的提出以及面临的挑战。

    Jul, 2023

  • 使用ChatGPT的多语言旅游协助：比较印地语、泰卢固语和卡纳达语的能力

    该研究调查了OpenAI的AI语言模型ChatGPT在将英语翻译成印地语、泰卢固语和卡纳达语方面的效果，旨在帮助在印度多元文化环境下的游客。研究中使用了一个包含50个问题的测试集，涵盖了常识、食物和旅行等不同领域，这些问题由五名志愿者进行准确性和流畅性评估，并将得分换算成BLEU分数。BLEU分数评估机器生成的翻译结果与人工翻译的接近程度，得分越高表示翻译质量越好。研究结果显示，印地语的翻译表现最佳，准确性和流畅性都优于其他语言，而泰卢固语的翻译则稍逊一筹。人工评估者对翻译结果的准确性和流畅性进行了评价，为语言模型的表现提供了全面的观点。

    Jul, 2023

  • Chatmap：大型语言模型与地图数据的交互

    利用相对较小规模（10亿参数）的大型语言模型和相对较小的人工数据集精细调整，为OpenStreetMap数据提供了语言接口，以查询城市区域的属性，并探索人工智能适应性和生成能力在这一领域的早期应用潜力。

    Sep, 2023

  • LAMP：一种地图上的语言模型

    通过在特定城市数据上对预训练模型进行微调，本研究引入了一种新的框架，从而使其能够提供准确的推荐，同时最大限度地减少虚构。我们分享了我们的模型LAMP和用于训练它的数据，通过实验分析其正确检索空间对象的能力，并将其与GPT-4等众所周知的开源和封闭源语言模型进行比较。最后，我们通过一次日程规划的案例研究探索它的新兴能力。

    Mar, 2024

  • 探索大型语言模型的领域、技术与挑战

    对于大型语言模型（LLMs）的研究，包括基本原理、应用领域以及训练过程，本综述论文对于上下文学习、多种微调方法以及参数使用效率优化等机制进行探讨，同时深入研究了如何通过创新的强化学习框架和融入人类反馈的新方法来更好地与人类偏好相统一的问题。还研究了将外部知识融入LLMs的新兴技术——检索增强生成。对于LLMs的伦理问题，论文讨论了需谨慎且负责任的应用需求。最后，论文展望了未来的研究方向，提供了关于当今及未来LLMs领域中不断发展的全面且简明的概述，为人工智能领域的研究人员和实践者提供了有益的指南。

    Apr, 2024

  • LLM-Modulo框架下的强健计划：旅行计划案例研究

    大语言模型在旅行规划领域有着显著的实际应用，通过LLM模块化框架的操作，对LLMs的推理能力进行改进，并在基线性能上取得了4.6倍的提升。

    May, 2024

  • TourLLM: 提升LLMs的旅游知识

    我们构建了一个文化和旅游领域的监督微调数据集Cultour，其中包含旅游知识库QA数据、旅行日志数据和旅游多样性QA数据。我们提出了一种基于Cultour的Qwen模型TourLLM，通过监督微调来提高对景点和旅行规划信息的质量。实验结果表明，TourLLM生成的回复效果显著提高。

    Jun, 2024

  • 大语言模型微调方法及评估指标的比较：以旅行聊天机器人为案例

    本研究针对大语言模型（LLM）微调方法与评估指标的现有差距进行了比较，特别是涉及旅行聊天机器人的案例。论文的创新之处在于使用了多种微调和评估方法，发现虽然量化指标与人类评估不一致，但OpenAI的GPT-4评估与人类评估高度吻合，强调了在评估过程中保持人类参与的重要性。该研究表明，改进的微调方法（如RLHF）显著提升了模型性能，且Mistral模型总体表现优于LLaMa模型。

    Aug, 2024

  • 基于检索增强生成技术优化的西藏旅游大型语言模型：提升准确性和个性化

    本研究针对现有大型语言模型在个性化推荐能力和内容生成中的缺陷，提出了一种基于检索增强生成技术的西藏旅游LLM优化方案。通过构建游客观点数据库和使用向量化技术处理数据，显著提高了检索准确性，并有效解决了内容生成中的幻觉问题，优化后的模型在流畅性、准确性和相关性方面均表现出显著改善，为智能文化旅游服务系统的发展提供了理论和技术支持。

    Aug, 2024