Name: Aumento di modelli linguistici di grandi dimensioni tramite incorporamenti vettoriali per migliorare la reattività specifica del dominio (Video) | JoVE Journal
Uploaded: 2024-12-06T12:20:00.000+00:00
Duration: 3 min 14 s
Description: Scopri come migliorare i modelli linguistici di grandi dimensioni tramite incorporamenti vettoriali di articoli scientifici peer-reviewed. Questo metodo computazionale facilita il confronto delle prestazioni tra diversi LLM.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

<meta charset="utf8"></head><body>Metodi di incorporamento per integrare manoscritti scientifici in modelli linguistici di grandi dimensioni

<ol><li>Singhal, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Large+language+models+encode+clinical+knowledge%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Large language models encode clinical knowledge.</a> Nature. 620 (7972), 172-180 (2023).</li>
<li>Gilson, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((How+does+ChatGPT+perform+on+the+United+States+medical+licensing+examination%3F+The+implications+of+large+language+models+for+medical+education+and+knowledge+assessment%5BTitle%5D)+AND+%22JMIR+Med+Educ%22%5BJournal%5D)">How does ChatGPT perform on the United States medical licensing examination? The implications of large language models for medical education and knowledge assessment.</a> JMIR Med Educ. 9 (1), e45312(2023).</li>
<li>Guerra, G. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((GPT-4+artificial+intelligence+model+outperforms+ChatGPT%2C+medical+students%2C+and+neurosurgery+residents+on+neurosurgery+written+board-like+questions%5BTitle%5D)+AND+%22World+Neurosurg%22%5BJournal%5D)">GPT-4 artificial intelligence model outperforms ChatGPT, medical students, and neurosurgery residents on neurosurgery written board-like questions.</a> World Neurosurg. 179, e160-e165 (2023).</li>
<li>Terwiesch, C. Would Chat GPT3 get a Wharton MBA? A prediction based on its performance in the Operations Management course. , 
 <a target="_blank" href="https://mackinstitute.wharton.upenn.edu/wp-content/uploads/2023/01/Christian-Terwiesch-Chat-GTP.pdf">https://mackinstitute.wharton.upenn.edu/wp-content/uploads/2023/01/Christian-Terwiesch-Chat-GTP.pdf</a> (2023).</li>
<li>Weizenbaum, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ELIZA-a+computer+program+for+the+study+of+natural+language+communication+between+man+and+machine%5BTitle%5D)+AND+%22Communications+of+the+ACM%22%5BJournal%5D)">ELIZA-a computer program for the study of natural language communication between man and machine.</a> Communications of the ACM. 9 (1), 36-45 (1966).</li>
<li>Wu, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+brief+overview+of+ChatGPT%3A+The+history%2C+status+quo+and+potential+future+development%5BTitle%5D)+AND+%22IEEE%2FCAA+Journal+of+Automatica+Sinica%22%5BJournal%5D)">A brief overview of ChatGPT: The history, status quo and potential future development.</a> IEEE/CAA Journal of Automatica Sinica. 10 (5), 1122-1136 (2023).</li>
<li>Touvron, H., et al. Llama 2: Open foundation and fine-tuned chat models. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2307.09288">http://arxiv.org/abs/2307.09288</a> (2023).</li>
<li>Huang, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+survey+on+hallucination+in+large+language+models%3A+Principles%2C+taxonomy%2C+challenges%2C+and+open+questions%5BTitle%5D)+AND+%22arXiv+%5Bcs.CL%5D%22%5BJournal%5D)">A survey on hallucination in large language models: Principles, taxonomy, challenges, and open questions.</a> arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2311.05232">http://arxiv.org/abs/2311.05232</a> (2023).</li>
<li>Thirunavukarasu, A. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Large+language+models+in+medicine%5BTitle%5D)+AND+%22Nature+Med%22%5BJournal%5D)">Large language models in medicine.</a> Nature Med. 29 (8), 1930-1940 (2023).</li>
<li>Lewis, P., et al. Retrieval-augmented generation for knowledge-intensive NLP tasks. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2005.11401">http://arxiv.org/abs/2005.11401</a> (2020).</li>
<li>Li, J., Yuan, Y., Zhang, Z. Enhancing LLM factual accuracy with RAG to counter hallucinations: A case study on domain-specific queries in private knowledge-bases. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2403.10446">http://arxiv.org/abs/2403.10446</a> (2024).</li>
<li>Zhang, P., Xiao, S., Liu, Z., Dou, Z., Nie, J. -Y. Retrieve anything to augment large language models. arXiv [cs.IR]. , 
 <a target="_blank" href="http://arxiv.org/abs/2310.07554">http://arxiv.org/abs/2310.07554</a> (2023).</li>
<li>Ling, C., et al. Domain specialization as the key to make large language models disruptive: A comprehensive survey. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2305.18703">http://arxiv.org/abs/2305.18703</a> (2023).</li>
<li>Ram, O., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((In-Context+retrieval-augmented+language+models%5BTitle%5D)+AND+%22Trans+Assoc+Comput+Linguist%22%5BJournal%5D)">In-Context retrieval-augmented language models.</a> Trans Assoc Comput Linguist. 11, 1316-1331 (2023).</li>
<li>Cormode, G. Sequence distance embeddings. , The University of Warwick. 
 <a target="_blank" href="https://wrap.warwick.ac.uk/61310/7/WRAP_THESIS_Cormode_2003.pdf">https://wrap.warwick.ac.uk/61310/7/WRAP_THESIS_Cormode_2003.pdf</a> (2003).</li>
<li>Guo, Z., et al. Evaluating large language models: A comprehensive survey. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2310.19736">http://arxiv.org/abs/2310.19736</a> (2023).</li>
<li>Chicago Consensus Working Group. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Chicago+Consensus+Guidelines+for+peritoneal+surface+malignancies%3A+Introduction%5BTitle%5D)+AND+%22Cancer%22%5BJournal%5D)">The Chicago Consensus Guidelines for peritoneal surface malignancies: Introduction.</a> Cancer. 126 (11), 2510-2512 (2020).</li>
<li>Wang, G., et al. OpenChat: Advancing open-source language models with mixed-quality data. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2309.11235">http://arxiv.org/abs/2309.11235</a> (2023).</li>
<li>Jiang, A. Q., et al. Mistral 7B. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2310.06825 ">http://arxiv.org/abs/2310.06825 </a> (2023).</li>
<li>Megahed, F. M., et al. AI and the future of work in statistical quality control: Insights from a first attempt to augmenting ChatGPT with an SQC knowledge base (ChatSQC). arXiv [cs.HC]. , 
 <a target="_blank" href="http://arxiv.org/abs/2308.13550">http://arxiv.org/abs/2308.13550</a> (2023).</li>
<li>Wang, Y., Ma, X., Chen, W. Augmenting black-box LLMs with medical textbooks for clinical question answering. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2309.02233">http://arxiv.org/abs/2309.02233</a> (2023).</li>
<li>Dodge, J., et al. Measuring the carbon intensity of AI in cloud instances. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aDodge%2C+J+%22FACCT+2022%22">FACCT 2022</a>. , (2022).</li>
<li>Samsi, S., et al. From words to watts: Benchmarking the energy costs of large language model inference. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2310.03003">http://arxiv.org/abs/2310.03003</a> (2023).</li>
<li>Khene, Z. -E., Bigot, P., Mathieu, R., Rouprêt, M., Bensalah, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+of+a+personalized+chat+model+based+on+the+European+association+of+urology+oncology+guidelines%3A+Harnessing+the+power+of+generative+artificial+intelligence+in+clinical+practice%5BTitle%5D)+AND+%22Eur+Urol+Oncol%22%5BJournal%5D)">Development of a personalized chat model based on the European association of urology oncology guidelines: Harnessing the power of generative artificial intelligence in clinical practice.</a> Eur Urol Oncol. 7 (1), 160-162 (2024).</li>
<li>Kresevic, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Optimization+of+hepatological+clinical+guidelines+interpretation+by+large+language+models%3A+a+retrieval+augmented+generation-based+framework%5BTitle%5D)+AND+%22NPJ+Digit+Med%22%5BJournal%5D)">Optimization of hepatological clinical guidelines interpretation by large language models: a retrieval augmented generation-based framework.</a> NPJ Digit Med. 7 (1), 102(2024).</li>
<li>Ge, J., et al. Development of a liver disease-specific large language model chat interface using retrieval augmented generation. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aGe%2C+J+%22medRxiv%22">medRxiv</a>. , (2023).</li>
<li>Rule-augmented artificial intelligence-empowered systems for medical diagnosis using large language models. Panagoulias, D. P., et al. 2023 IEEE 35th International Conference on Tools with Artificial Intelligence (ICTAI), , 70-77 (2023).</li>
<li>Panagoulias, D. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Augmenting+large+language+models+with+rules+for+enhanced+domain-specific+interactions%3A+The+case+of+medical+diagnosis%5BTitle%5D)+AND+%22Electronics%22%5BJournal%5D)">Augmenting large language models with rules for enhanced domain-specific interactions: The case of medical diagnosis.</a> Electronics. 13 (2), 320(2024).</li>
<li>Jin, Q., et al. Matching patients to clinical trials with large language models. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2307.15051">http://arxiv.org/abs/2307.15051</a> (2023).</li>
<li>Gupta, S. K., et al. PRISM: Patient records interpretation for semantic clinical trial matching using large language models. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2404.15549">http://arxiv.org/abs/2404.15549</a> (2024).</li>
<li>Hendrycks, D., et al. Measuring massive multitask language understanding. arXiv [cs.CY]. , 
 <a target="_blank" href="http://arxiv.org/abs/2009.03300">http://arxiv.org/abs/2009.03300</a> (2020).</li>
<li>Lin, S., Hilton, J., Evans, O. TruthfulQA: Measuring how models mimic human falsehoods. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2109.07958">http://arxiv.org/abs/2109.07958</a> (2021).</li>
<li>Bommasani, R., Liang, P., Lee, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Holistic+evaluation+of+language+models%5BTitle%5D)+AND+%22Ann+N+Y+Acad+Sci%22%5BJournal%5D)">Holistic evaluation of language models.</a> Ann N Y Acad Sci. 1525 (1), 140-146 (2023).</li>
<li>Banerjee, D., Singh, P., Avadhanam, A., Srivastava, S. Benchmarking LLM powered Chatbots: Methods and Metrics. arXiv [cs.CL]. , 
 <a target="_blank" href="http://arxiv.org/abs/2308.04624">http://arxiv.org/abs/2308.04624</a> (2023).</li>
<li>Papineni, K., Roukos, S., Ward, T., Zhu, W. -J. Bleu. Proceedings of the 40th Annual Meeting on Association for Computational Linguistics - ACL '02. , (2001).</li>
<li>Wang, A., Singh, A., Michael, J., Hill, F., Levy, O., Bowman, S. R. Glue: A multi-task benchmark and analysis platform for natural language understanding. , 
 <a target="_blank" href="http://arxiv.org/abs/1804.07461">http://arxiv.org/abs/1804.07461</a> (2019).</li>
<li>Johnson, D., et al. Assessing the accuracy and reliability of AI-generated medical responses: An evaluation of the chat-GPT model. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aJohnson%2C+D+%22Res+Sq%22">Res Sq</a>. , (2023).</li>
<li>Lin, C. -Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ROUGE%3A+A+package+for+automatic+evaluation+of+summaries%5BTitle%5D)+AND+%22Text+Summarization+Branches+Out%22%5BJournal%5D)">ROUGE: A package for automatic evaluation of summaries.</a> Text Summarization Branches Out. , 74-81 (2004).</li>
<li>Chen, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluating+the+ChatGPT+family+of+models+for+biomedical+reasoning+and+classification%5BTitle%5D)+AND+%22J+Am+Med+Inform+Assoc%22%5BJournal%5D)">Evaluating the ChatGPT family of models for biomedical reasoning and classification.</a> J Am Med Inform Assoc. 31 (4), 940-948 (2024).</li>
</ol>

<table><tbody><tr><td>pip3 versione 22.0.2&nbsp;</td><td></td><td></td><td></td></tr><tr><td>Python versione 3.10.12</td><td></td><td></td><td></td></tr></tbody></table>

aumento di modelli linguistici di grandi dimensioni tramite incorporamenti vettoriali per migliorare la reattività specifica del dominio

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness

Una serie di 22 pubblicazioni del Chicago Consensus Working Group sono state utilizzate per aumentare il modello base del Llama-7b17. I documenti sono stati convertiti in un indice vettoriale utilizzando lo strumento Llama-Index per generare Llama-2-7b-CCWG-Embed. Anche i modelli OpenAI più diffusi, come GPT-3.5 e GPT-4, sono stati aumentati in modo simile per produrre modelli GPT-XX-CCWG-Embed. Sono state sviluppate un totale di 20 domande a scelta multipla (MCQ) per valutare le conoscenze relative alla gestione di una varietà di neoplasie della superficie peritoneale. Gli MCQ sono stati creati da un oncologo chirurgico certificato per testare il livello di conoscenza che ci si aspetta da un borsista di oncologia chirurgica. Llama-2-7b-CCWG-Embed ha ottenuto risultati significativamente migliori rispetto al modello base (vedi Tabella 1), così come i modelli OpenAI aumentati. Questo è considerato un risultato positivo per questo metodo in quanto le prestazioni del modello sono state migliorate con l'aumento rispetto al basale.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66796/66796fig01.jpg"> 
Figura 1: Schema di generazione di un database vettoriale da articoli accademici. <a href="https://www.jove.com/files/ftp_upload/66796/66796fig01large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66796/66796fig02.jpg"> 
Figura 2: Diagramma generale del sistema per l'LLM aumentato. <a href="https://www.jove.com/files/ftp_upload/66796/66796fig02large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/66796/66796fig03.jpg"> 
Figura 3: Modello Llama-2 aumentato in esecuzione nel terminale Linux. <a href="https://www.jove.com/files/ftp_upload/66796/66796fig03large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/66796/66796fig04.jpg"> 
Figura 4: Risultato della query dal modello Llama-2 aumentato. <a href="https://www.jove.com/files/ftp_upload/66796/66796fig04large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>LLM</td>
			<td>Punteggio (% corretto)</td>
		</tr>
		<tr>
			<td>Llama-2-7b-chat-hf</td>
			<td>65%</td>
		</tr>
		<tr>
			<td>Llama-2-7B-CCWG-Incorporato</td>
			<td>75%</td>
		</tr>
		<tr>
			<td>Openchat-3.5-010618</td>
			<td>65%</td>
		</tr>
		<tr>
			<td>Mistral-7B-v0.119</td>
			<td>70%</td>
		</tr>
		<tr>
			<td>GPT-3.5</td>
			<td>75%</td>
		</tr>
		<tr>
			<td>GPT-3.5-CCWG-Incorporamento</td>
			<td>85%</td>
		</tr>
		<tr>
			<td>GPT-4</td>
			<td>85%</td>
		</tr>
		<tr>
			<td>GPT-4-CCWG-Incorporamento</td>
			<td>90%</td>
		</tr>
	</tbody>
</table>
Tabella 1: Punteggi (percentuale corretta) di vari LLM su una serie di 20 domande relative alla gestione della malignità peritoneale.

Aumento di modelli linguistici di grandi dimensioni tramite incorporamenti vettoriali per migliorare la reattività specifica del dominio

Large language models (LLMs) have emerged as a popular resource for generating information relevant to a user query. Such models are created through a ...

augmenting-large-language-models-via-vector-embeddings-to-improve

Research

Ricerca

JoVE Journal

Medicine

Medicina

Questo articolo descrive RUGGED (Retrieval Under Graph-Guided Explainable disease Distinction), che integra l'inferenza LLM (Large Language Model) con la Retrieval-Augmented Generation (RAG). Trae prove da basi di conoscenze biomediche curate da esperti e pubblicazioni biomediche sottoposte a revisione paritaria per sintetizzare nuove conoscenze da informazioni aggiornate, identificare previsioni spiegabili e attuabili e individuare direzioni promettenti per indagini basate su ipotesi.

Sintesi delle conoscenze basate sull'evidenza e convalida delle ipotesi: navigazione nelle basi di conoscenze biomediche tramite sistemi di intelligenza artificiale e agenti spiegabili

Proponiamo un approccio di affining basato sull'apprendimento per rinforzo per grandi modelli linguistici che utilizza l'Enti Hallucination Index (EHI) come segnale di ricompensa per ridurre le allucinazioni a livello di entità nella sintesi testuali. Esperimenti sulle trascrizioni degli incontri mostrano che questo metodo migliora la fedeltà e l'accuratezza delle entità.

Affining di grandi modelli linguistici utilizzando l'Entity Hallucination Index per la sintesi del testo

RNA interference (RNAi) possiede molti vantaggi rispetto knockout del gene ed è stato ampiamente utilizzato come strumento in studi di geni funzionali. L'invenzione di DNA vettoriale basata RNAi tecnologia ha fatto lungo termine e smontabile gene inducibile possibile, e anche aumentata la possibilità di silenziamento...

DNA Vector-based RNA Interference per studiare la funzione del gene in Cancro

Noi esploriamo l'uso di stimolazione magnetica transcranica ripetitiva (rTMS) per migliorare le abilità linguistiche in pazienti con ictus cronico e non afasia fluente. Dopo aver individuato un sito nel giusto giro frontale per ogni paziente che risponda in modo ottimale alla stimolazione, puntiamo questo sito durante dieci giorni di trattamento rTMS.

Utilizzando la stimolazione magnetica transcranica ripetitiva per migliorare la funzione Language in pazienti con ictus con cronica non-fluente Afasia

La maggior parte degli studi che coinvolgono l'apparato di Langendorff utilizzano modelli di piccoli animali a causa della maggiore complessità dei sistemi per mammiferi più grandi. Descriviamo un sistema di Langendorff per modelli animali di grandi dimensioni che ne consente l'uso in una vasta gamma di specie, compreso l'uomo, e l'acquisizione di dati relativamente facile.

Un Isolato sistema Cuore di lavoro per i grandi modelli animali

Questo protocollo descrive l'applicazione di ultrasuoni ad alta frequenza (HFUS) per l'imaging di topo linfonodi cervicali. Questa tecnica consente di ottimizzare la visualizzazione e la quantificazione di cervicale morfologia linfonodi, il volume e il flusso di sangue. Immagine-guidate biopsia dei linfonodi cervicali e lavorazione di tessuto linfatico per la valutazione istologica è anche dimostrato.

Ad alta frequenza di Ecografia del mouse cervicali Linfonodi

Questo manoscritto descrive come la consegna genica locale mediata da vettori virali fornisca un modo attraente per esprimere i transgeni nel sistema nervoso centrale.  Il protocollo delinea tutti i passaggi cruciali per eseguire un'iniezione di vettore virale nella substantia nigra del ratto per sviluppare un modello animale basato su vettore virale per la malattia di Parkinson.

Sviluppo di un Rat modello Alfa-sinucleina per la malattia di Parkinson mediante iniezione stereotassica di un ricombinante vettore virale adeno-associato

C'è una domanda per fare pre-clinica test per una nuova classe di farmaci "orfani" chiamato chaperoni farmacologici riproducibile, veloce ed efficiente. Abbiamo sviluppato un test cellulari semplice, altamente standardizzate e versatile cultura alla schermata per i pazienti eleggibili come pure droghe romanzo chaperoni farmacologici.

In Vitro Misurazione di enzima per Test farmacologici Chaperone reattività in Fabry e malattia di Pompe

La somministrazione intratracheale (IT) di agenti sperimentali nei topi spesso si traduce in consegna asimmetrica ai polmoni distali.  In questa relazione, descriviamo un approccio intrabronchiale diretto (IB) per cannulare ogni polmone in topi viventi non chirurgici.  Questo approccio può essere utilizzato per somministrare selettivamente gli agenti a un polmone o può essere adattato per migliorare la somministrazione simmetrica dell'agente a entrambi i polmoni.

Amministrazione intrabronchiale diretta per migliorare la deposizione selettiva dell'agente all'interno del polmone del mouse

I modelli in vitro di angiogenesi coronarica possono essere utilizzati per la scoperta dei meccanismi cellulari e molecolari dell'angiogenesi coronarica. Le colture in vitro espiante di venosus e tessuti endocardio mostrano una solida crescita in risposta al VEGF-A e mostrano un modello simile di espressione COUP-TFII come in vivo.

Modello in vitro dell'angiogenesi coronarica

Scopri come migliorare i modelli linguistici di grandi dimensioni tramite incorporamenti vettoriali di articoli scientifici peer-reviewed. Questo metodo computazionale facilita il confronto delle prestazioni tra diversi LLM.

Aumento di modelli linguistici di grandi dimensioni tramite incorporamenti vettoriali per migliorare la reattività specifica del dominio (Video) | JoVE Journal

Aumento di modelli linguistici di grandi dimensioni tramite incorporamenti vettoriali per migliorare la reattività specifica del dominio

Esplora altri video