Sep, 2024

利用大型语言模型优化成分替代，提高食谱中的植物化学成分含量

HTML
PDF
TL;DR本研究解决了将烹饪实践与科学营养目标相结合的问题，探索了如何通过大型语言模型优化食谱中的成分替代，以增强膳食中的植物化学成分。关键发现是该方法显著提高了成分替代任务的准确性，促成了近2000种植物化学成分富集的成分配对和独特食谱的创建，为促进健康饮食提供了新的AI应用路径。
发现论文，激发创造
  • SHARE: 一个层次化辅助食谱编辑系统

    提出了可控制的食谱编辑任务，解决了既定食谱无法适应特定的膳食限制的问题。通过 SHARE 系统完成材料替代和步骤生成的分离处理，基于新数据集 RecipePairs 的实验说明这个系统可以为家庭厨师提供更易于制作健康美味的菜肴的方案。

    May, 2021

  • 食品成分知识库的半自动化构建

    本研究使用自然语言处理方法和预训练的BioBERT语言模型来构建一个半自动化的食物成分知识库，以提高生产和研究的效率。

    Jan, 2023

  • 预定义的食品概念和食谱专用嵌入：异构食谱数据集的案例研究

    文章介绍了如何从不同来源的食谱数据集中提取所需信息并对其进行格式标准化，从而实现对营养成分的预测。使用命名实体识别和外部领域特定资源进行转换，生成具有预定义成分及食谱嵌入的语料库，并应用于机器学习流程，得到了比基准段表现更好的结果。

    Feb, 2023

  • KitchenScale：从食谱上下文中学习预测配料数量

    该研究介绍了KitchenScale，这是一个预训练的语言模型，通过从食谱文本中利用自然语言处理和迁移学习技术来预测目标成分的数量和度量单位。

    Apr, 2023

  • Cook-Gen：菜谱烹饪行为的鲁棒生成建模

    本研究探索了使用生成AI方法扩展当前食品计算模型的可能性，主要涉及营养和配料分析，以及包括烹饪行为（例如加盐，煎肉，煮蔬菜等），并提出了一种新的基于聚合的生成AI方法Cook-Gen。

    Jun, 2023

  • 蒙特卡洛树搜索用于使用GPT-2生成菜谱

    使用GPT-2和Monte Carlo Tree Search（MCTS）的文本生成方法RecipeMC，通过定义奖励函数，可以带有软约束地生成可信的食谱，与其他基线方法相比，人类评估者更喜欢使用RecipeMC生成的食谱。

    Jan, 2024

  • FoodSky: 一种面向食品的大型语言模型，通过厨师和饮食学考试

    通过感知和推理实现食物数据的深度理解，FoodSky在厨师和营养师考试中的准确度分别为67.2％和66.4％，将大幅超越通用类型的大型语言模型，并且可以提升烹饪创造力，推广更健康的饮食模式，并为解决食品领域的复杂现实问题设定了新的标准。

    Jun, 2024

  • NutriBench：餐描述中碳水化合物估计的大型语言模型评估数据集

    准确的营养估计有助于人们做出明智的饮食选择，并在预防严重健康问题方面至关重要。我们介绍了NutriBench，这是第一个基于自然语言的餐饮描述的公开营养基准。NutriBench包括5,000个经人工验证的餐饮描述，附有宏量营养标签，包括碳水化合物、蛋白质、脂肪和卡路里。数据分为15个子集，根据餐饮中食物项目的数量、份量和受欢迎程度以及份量描述的特定性而变化。我们对七个流行的和最先进的大型语言模型进行了广泛评估，包括GPT-3.5、Llama-3和一种医学领域特定模型，采用标准的思考链和检索增强生成策略用于我们的碳水化合物估计基准。我们还进行了一项涉及专家和非专家参与者的人员研究，并发现LLMs可以在各种复杂查询中提供更准确和更快速的预测。我们对不同LLMs进行了彻底的分析和比较，并突出了在实际场景中使用LLMs进行营养估计的机会和挑战。我们的基准公开可用于此链接地址。

    Jul, 2024

  • LLaVA-Chef：一种用于食品食谱的多模态生成模型

    该研究解决了在线食谱分享中对有效生成食品食谱的需求，提出了一种新颖的模型LLaVA-Chef，该模型经过针对多样食谱提示的定制数据集训练，以提高食品领域的理解能力。研究发现，LLaVA-Chef生成的食谱在成分提及的准确性和细节方面显著优于现有方法，显示出其在食品生成任务中的潜在影响。

    Aug, 2024

  • FoodMLLM-JP：利用多模态大型语言模型进行日本食谱生成

    本研究解决了日本食谱生成中对食物图像理解的不足。通过微调开放的多模态大型语言模型LLaVA-1.5和Phi-3 Vision，在日本食谱数据集上进行了评估，结果显示其在食材生成上的F1得分（0.531）优于当前最佳模型GPT-4o（0.481），展现了更高的准确性，具有重要的实际应用潜力。

    Sep, 2024